5、深入理解 Ray 远程 Actor：持久化与扩展策略

深入理解 Ray 远程 Actor：持久化与扩展策略

1. 持久化的重要性与实现方式

在某些实现中，我们采用文件系统持久化，但同样的方法也适用于其他类型的持久化，如 S3 或数据库。系统会对失败的任务重试最多 n 次，之后在调用 ray.get 时任务将抛出 RayActorError 异常。

当 Actor 重启时，会重新运行其构造函数来重建状态。因此，如果在 Actor 执行期间状态发生了改变，这些改变将会丢失。为了保留这些状态，Actor 必须实现自定义的持久化。

1.1 整体状态持久化

在一些情况下，将状态作为一个整体保存是可行的，特别是当状态的大小相对较小且状态变化相对较少时。为了简化示例，我们使用本地磁盘持久化。但在分布式环境中，应考虑使用网络文件系统（NFS）、亚马逊简单存储服务（S3）或数据库，以便从 Ray 集群的任何节点访问 Actor 的数据。

以下是一个使用文件系统持久化的持久化 Account Actor 的示例：

@ray.remote
class Account:
    def __init__(self, balance: float, minimal_balance: float, account_key: str,
                 basedir: str = '.'):
        self.basedir = basedir
        self.key = account_key
        i