调用者决定返回值的数量
调用者给执行函数传入参数决定返回值的数量。
import numpy as np
import ray
@ray.remote
def large_values(num_returns):
return [
np.random.randint(np.iinfo(np.int8).max, size=(100_000_000, 1), dtype=np.int8)
for _ in range(num_returns)
]
# 优选第二种写法:生成器将这些返回值将一次存储一个在Ray的对象存储中,节省内存空间
@ray.remote
def large_values_generator(num_returns):
for i in range(num_returns):
yield np.random.randint(
np.iinfo(np.int8).max, size=(100_000_000, 1), dtype=np.int8
)
print(f"yielded return value {i}")
执行者决定返回值的数量
在某些情况下,调用者可能不知道远程函数返回值的数量。例如,假设编写一个任务,将其参数分解为大小相等的块并返回这些块。在执行任务之前,因不知道参数的大小故不能预期返回值的数量,我们可以使用远程生成器函数来返回动态数量的值。
import numpy as np
# 由执行者决定返回的数量
@ray.remote(num_returns="dynamic")
def split(array, chunk_size):
while len(array) > 0:
yield array[:chunk_size]
array = array[chunk_size:]
# 传入大对象建议使用ray.put
array_ref = ray.put(np.zeros(np.random.randint(1000_000)))
block_size = 1000
array_size = len(ray.get(array_ref))
# 返回一个远程对象
dynamic_ref = split.remote(array_ref, block_size)
print(dynamic_ref)
# ObjectRef(c8ef45ccd0112571ffffffffffffffffffffffff0100000001000000)
i = -1
# 返回生成器对象
ref_generator = ray.get(dynamic_ref)
print(ref_generator)
# <ray._raylet.ObjectRefGenerator object at 0x7f7e2116b290>
# 获取生成器对象的内容,用断言判断长度是否符合
for i, ref in enumerate(ref_generator):
# Each ObjectRefGenerator iteration returns an ObjectRef.
assert len(ray.get(ref)) <= block_size
num_blocks_generated = i + 1
assert array_size <= num_blocks_generated * block_size