都是云计算核心的框架.
1 | 2 |
3 | 4 |
1. 层次不同,
dock是在pass一层, 对linux操作系统 模拟出不同的子系统,属于操作系统层.
ray能是在系统上部署的应用程序, 属于saas一层.
ray当前没有提供一个页面化开发的能力, 只有client 进行 部署,启动,暂停.
自己去封装一个后台系统, 例如 Ray-? 或者 anc 产品集成Serving Client,支持Ray Serving实现在线服务管控。
2. 领域对象不同, dock面对的是 jvm等. ray面对的是程序,ray在上层, dock面对的对象,ray都能实现, 但不一定会实现.
dock 能力更底层, 可以启动不同的jvm.
ray面向的是程序, 能启动不同的程序代码, 也能在不同的jvm下部署这些代码,但不一定能实现.
3. ray是serverless的, 日志啥的能聚合自动采集(待确认,phil自己yy的),但是没有根据服务分区或者索引. dock是有服务器和ip的概念,默认在本地,聚合采集需要另外的程序
存在很多和 Ray 类似的框架,但是如果把范围缩小,针对 python 用户,类似的主要就是 Dask、Mars、Celery 等 。Ray 分布式计算框架介绍 - 知乎
Ray类似于Dask,因为它允许用户在多台机器上以并行的方式运行Python代码。然而,与Dask不同的是,Ray并没有试图模拟NumPy和Pandas 接口——它的主要设计目标不是临时替代Data Science的工作负载,而是提供一个通用的底层框架来并行化Python代码。Spark、Dask、Ray:选择合适的框架
spark是流式计算框架,具备map和reduce能力,用于x力度(分钟粒度,小时粒度,天级粒度)统计用的.