Ray 速查
共 24 条 Ray 常用写法，涵盖基础、Actor 与并行、数据与训练、集群与命令、核心概念。 支持搜索与分类筛选，点击即可复制。
基础
把 Python 函数/类变成分布式。
| 命令 | 说明 |
|---|---|
| 安装 | |
| 启动本地集群 | |
| 把函数变成远程任务 | |
| 提交并取结果 | |
| 关闭 |
Actor 与并行
有状态与资源。
| 命令 | 说明 |
|---|---|
| 定义 Actor（有状态对象） | |
| 创建并调用 | |
| 资源声明 | |
| 获取结果 | |
| 对象共享 |
数据与训练
内置库。
| 命令 | 说明 |
|---|---|
| 分布式数据集 | |
| 变换 | |
| Ray Train | |
| Ray Tune | |
| Ray Serve |
集群与命令
多机扩展。
| 命令 | 说明 |
|---|---|
| 启动头节点 | |
| 加入节点 | |
| 状态与面板 | |
| 作业提交 | |
| K8s 集成 |
核心概念
为什么用它。
| 命令 | 说明 |
|---|---|
| 透明扩展 | |
| 两种模型 | |
| 生态 | |
| 典型场景 |
使用说明
Ray 常用写法速查：基础、Actor 与并行、数据与训练、集群与命令、核心概念；支持搜索与分类筛选，点击即可复制。
- 按用途点分类：基础、Actor 与并行、数据与训练、集群与命令、核心概念。
- 点「写法」列复制，替换函数与资源需求后使用。
- 给函数/类加 @ray.remote，用 .remote() 提交、ray.get 取结果。
- 大数据用 ray.data，超参用 Ray Tune，服务用 Ray Serve。
常见问题
- Ray 和 Dask/Spark 有何不同？
- Ray 更通用、面向任意 Python 并行与有状态 Actor；Dask 偏 numpy/pandas 生态的并行；Spark 偏大规模 SQL/批处理。Ray 在 ML 与服务场景更灵活。
- task 和 actor 有何区别？
- task 是无状态的远程函数调用，适合纯计算；actor 是有状态的远程对象，字段在多次方法调用间保持，适合需维护状态的场景。
- 本地能跑吗？
- 能。ray.init() 会在本机起一个集群，代码与集群模式一致；扩展到多机只需加节点或连到已有集群，无需改代码。