começar a Ray cluster on Databricks

Databricks simplifica o processo de iniciar um Ray cluster ao lidar com a configuração de cluster e Job da mesma forma que faz com qualquer Apache Spark Job. Isso ocorre porque o Ray cluster está, na verdade, começando em cima do gerenciar Apache Spark cluster.

execução Ray em um computador local 

import ray

ray.init()

execução Ray on Databricks 

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)

Essa abordagem funciona em qualquer escala de cluster, de alguns a centenas de nós. O Ray clusters em Databricks também oferece suporte à autoescala.

Depois de criar o Ray cluster, o senhor pode executar qualquer código de aplicativo Ray em um Databricks Notebook.

Importante

Databricks recomenda a instalação de todas as bibliotecas necessárias para o seu aplicativo com %pip install <your-library-dependency> para garantir que elas estejam disponíveis para o Ray cluster e para o aplicativo de acordo. A especificação de dependências na chamada da função Ray init instala as dependências em um local inacessível para os nós Apache Spark worker , o que resulta em incompatibilidades de versão e erros de importação.

Por exemplo, o senhor pode executar um aplicativo Ray simples em um Databricks Notebook da seguinte forma:

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))

Desligar um cluster Ray

Os clusters Ray são desligados automaticamente nas seguintes circunstâncias:

  • O senhor separa o seu Notebook interativo do seu Databricks cluster.

  • Seu Databricks Job foi concluído.

  • Seu cluster Databricks é reiniciado ou encerrado.

  • Não há atividade para o tempo de parada especificado.

Para encerrar um cluster Ray em execução no Databricks, o senhor pode chamar a API ray.utils.spark.shutdown_ray_cluster.

from ray.utils.spark import shutdown_ray_cluster
import ray

shutdown_ray_cluster()
ray.shutdown()