Ray编程：给新用户的小指南

AI Conference 北京站

AI Conference 2019 北京站6月18-21日即将开幕！

培训：大会推出「PyTorch 深度学习」两天培训课程，资深数据科学家主讲，限制人数，抢票从速！

编者注：文中超链接如果不能访问可以点击“阅读原文”访问本文原页面；本文作者将在北京人工智能大会上带来教学辅导课Building reinforcement learning models and AI applications with Ray。

Ray是一个用于在计算集群上编程的通用框架。 Ray使开发人员能够轻松地并行化他们的Python应用程序，构建新的应用，在任意大小规模的集群上（从笔记本电脑到大型集群）运行。 Ray提供了一个高度灵活，极简主义、易于使用的API。 表1 介绍了此API的核心功能。

在这篇博客中我们描述了几个小技巧，可以帮助首次使用Ray的用户避免一些可能严重影响其程序性能的常见错误。

API	描述	示例
ray.init（）	初始化Ray执行上下文。
@ ray.remote	函数或类装饰器，指定 函数将作为不同进程中的任务执行，或者类作为不同进程中的actor定义。	@ray.remote        @ray.remote def fun(x):           class Actor(object): …                            def method(y) …
.remote	Postfix到每个远程函数，远程声明类，或远程进行类方法的调用。 远程操作是异步。	ret_id = fun.remote(x) a = Actor.remote() ret_id = a.method.remote(y)
ray.put（）	将对象存储在对象库中，并返回其ID。 此ID可用于将对象作为参数传递给任何远程函数或方法调用。 这是一种同步的操作。	x_id = ray.put(x)
ray.get（）	从对象ID或对象ID列表返回对象或对象列表。 这是一种 同步 （即阻塞）操作。	x = ray.get(x_id) … objects = ray.get(object_ids)
ray.wait（）	从对象ID列表返回（1）准备好的对象的ID列表，以及（2）尚未准备好的对象的ID列表。 默认情况下，它一次返回一个已准备好的对象ID。