Databricks で Ray クラスターを起動する
Databricks は、Apache Spark ジョブと同じ方法でクラスターとジョブの構成を処理することにより、Ray クラスターの起動プロセスを簡素化します。 これは、Ray クラスターが実際には管理された Apache Spark クラスター上で起動されるためです。
DatabricksでRayを実行する
from ray.util.spark import setup_ray_cluster
import ray
# If the cluster has four workers with 8 CPUs each as an example
setup_ray_cluster(num_worker_nodes=4, num_cpus_per_worker=8)
# Pass any custom configuration to ray.init
ray.init(ignore_reinit_error=True)
このアプローチは、数個のノードから数百個のノードまでのあらゆるクラスター規模で機能します。 Databricksの Ray クラスターもオートスケールをサポートしています。
Ray クラスターを作成したら、Databricks ノートブックで任意の Ray アプリケーション コードを実行できます。
重要
Databricks では、Ray クラスターとアプリケーションで適切に使用できるように、 %pip install <your-library-dependency>
を使用してアプリケーションに必要なライブラリをインストールすることをお勧めします。 Ray init 関数呼び出しで依存関係を指定すると、Apache Spark ワーカー ノードがアクセスできない場所に依存関係がインストールされ、バージョンの非互換性やインポート エラーが発生します。
たとえば、次のようにして、Databricks ノートブックで単純な Ray アプリケーションを実行できます。
import ray
import random
import time
from fractions import Fraction
ray.init()
@ray.remote
def pi4_sample(sample_count):
"""pi4_sample runs sample_count experiments, and returns the
fraction of time it was inside the circle.
"""
in_count = 0
for i in range(sample_count):
x = random.random()
y = random.random()
if x*x + y*y <= 1:
in_count += 1
return Fraction(in_count, sample_count)
SAMPLE_COUNT = 1000 * 1000
start = time.time()
future = pi4_sample.remote(sample_count=SAMPLE_COUNT)
pi4 = ray.get(future)
end = time.time()
dur = end - start
print(f'Running {SAMPLE_COUNT} tests took {dur} seconds')
pi = pi4 * 4
print(float(pi))
Ray クラスターをシャットダウンする
レイ クラスターは、次の状況下では自動的にシャットダウンします。
対話型ノートブックを Databricks クラスターから切り離します。
Databricks ジョブが完了しました。
Databricks クラスターが再起動または終了しました。
指定したアイドル時間にはアクティビティがありません。
Databricks 上で実行されている Ray クラスターをシャットダウンするには、 ray.utils.spark.shutdown_ray_cluster
API を呼び出します。
from ray.utils.spark import shutdown_ray_cluster
import ray
shutdown_ray_cluster()
ray.shutdown()