机器学习框架Ray——Actor模型

最新推荐文章于 2025-05-17 00:14:14 发布

xl.zhang

最新推荐文章于 2025-05-17 00:14:14 发布

阅读量1w

点赞数 2

分类专栏：【机器学习框架Ray】【机器学习框架Ray专栏讲解】文章标签： ray 机器学习框架分布式 python

本文链接：https://blog.youkuaiyun.com/u011254180/article/details/80352304

版权

本文详细介绍了Ray机器学习框架中的Actor模型，包括Actor的定义、创建与使用，以及如何在Actor中封装状态并利用GPU资源。此外，还讨论了Actor句柄的传递和当前存在的限制，如Actor生命周期管理和返回句柄的问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. Actors

Ray中的远程函数被认为是功能性强和副作用低的框架。仅限于远程函数的情况下，可以为我们提供分布式函数编程，这对于许多使用情况非常有用，但在实践中会受到一些限制。

Ray通过actor扩展了数据流模型。一个actor本质上是一个有状态的worker（或service）。当一个新的actor被实例化时，一个新的worker被创建，并且该actor的方法被安排在该特定的worker上，并且可以访问和改变该worker的状态。

假设我们已经开始了Ray。

import ray
ray.init()

2. 定义和创建一个actor

考虑下面的简单例子。装饰器 ray.remote表明类Counter实例化后为actor。

@ray.remote
class Counter(object):
    def __init__(self):
        self.value = 0

    def increment(self):
        self.value += 1
        return self.value

为了真正创建一个actor，我们通过调用Counter.remote()来实例化该类。

a1 = Counter.remote()
a2 = Counter.remote()

当一个actor被实例化，下面的情况发生

选择集群中的一个节点，并在该节点上（由该节点上的本地调度程序）创建一个worker，以便运行在该actor上调用的方法。
在该worker上创建一个Counter对象，并运行Counter构造函数。

3. 使用actor

我们可以通过调用actor的方法来调度它的任务。

a1.increment.remote()  # ray.get returns 1
a2.increment.remote()  # ray.get returns 1

当a1.increment.remote()被调用，下面的情况发生。

任务被创建。
该任务被直接分配给负责该actor的本地调度程序（由驱动程序的本地调度器控制）。因此，此调度过程绕过全局调度程序。
一个对象ID被返回。

然后，我们可以调用ray.get根据对象ID来获取实际值。

同样，对a2.increment.remote（）的调用将产生一个任务，该任务被调度到第二个Counter actor上。由于这两个任务在不同的actor上运行，它们可以并行执行（请注意，只有该actor上的方法才被调度分配到actor worker上，常规的远程函数不会）。

另一方面，在同一个Counter actor上调用的方法按照它们被调用的顺序依次执行。因此它们可以相互共享状态，如下所示。