Ray

当机器学习工作负载从单机走向分散式，真正棘手的往往不是把 CPU 数量加大，而是重新设计任务、状态、资料与服务边界。Ray 以 tasks、actors 与 objects 建立一套 Python 原生的分散式执行模型，再往上提供 Data、Train、Tune、RLlib 与 Serve 等 AI libraries。本文用一个可验证的上手范例，拆解它适合解决什么问题，以及哪些情境不该急着导入。