ray-分布式计算框架-集群与异步Job管理_环球时快讯

【资料图】

ray是开源分布式计算框架，为并行处理提供计算层，用于扩展AI与Python应用程序，是ML工作负载统一工具包

ML应用程序库集

通用分布式计算库

Task -- Ray允许任意Python函数在单独的Python worker上运行，这些异步Python函数称为任务Actor -- 从函数扩展到类，是一个有状态的工作者，当一个Actor被创建，一个新的worker被创建，并且actor的方法被安排到那个特定的worker上，并且可以访问和修改那个worker的状态Object -- Task与Actor在对象上创建与计算，被称为远程对象，被存储在ray的分布式共享内存对象存储上，通过对象引用来引用远程对象。集群中每个节点都有一个对象存储，远程对象存储在何处(一个或多个节点上)与远程对象引用的持有者无关Placement Groups -- 允许用户跨多个节点原子性的保留资源组，以供后续Task与Actor使用Environment Dependencies -- 当Ray在远程机器上执行Task或Actor时，它们的依赖环境项(Python包、本地文件、环境变量)必须可供代码运行。解决环境依赖的方式有两种，一种是在集群启动前准备好对集群的依赖，另一种是在ray的运行时环境动态安装

一组连接到公共 Ray 头节点的工作节点，通过 kubeRay operator管理运行在k8s上的ray集群

ray版本：2.3.0

1主3从集群

# 配置文件 -- 一主两从（默认单主），文件名:k8s-3nodes.yamlkind: ClusterapiVersion: kind.x-k8s.io/v1alpha4nodes:- role: control-plane- role: worker- role: worker

创建k8s集群

kind create cluster --config k8s-3nodes.yaml

# helm方式安装# 添加Charts仓库helm repo add kuberay https://ray-project.github.io/kuberay-helm/# 安装default名称空间# 安装 kubeRay operator# 下载离线的chart包: helm pull kuberay/kuberay-operator --version 0.5.0# 本地安装: helm install kuberay-operator helm install kuberay-operator kuberay/kuberay-operator --version 0.5.0# 创建ray示例集群，若通过sdk管理则跳过# 下载离线的ray集群自定义资源：helm pull kuberay/ray-cluster  --version 0.5.0helm install raycluster kuberay/ray-cluster --version 0.5.0# 获取ray集群对应的CRkubectl get raycluster# 查询pod的状态kubectl get pods# 转发svc 8265端口到本地8265端口kubectl port-forward --address 0.0.0.0 svc/raycluster-kuberay-head-svc 8265:8265# 登录ray head节点，并执行一个jobkubectl exec -it ${RAYCLUSTER_HEAD_POD} -- bashpython -c "import ray; ray.init(); print(ray.cluster_resources())" # (in Ray head Pod)# 删除ray集群helm uninstall raycluster# 删除kubeRayhelm uninstall kuberay-operator# 查询helm管理的资源helm ls --all-namespaces

前置要求：

安装 KubeRay安装 k8s sdk: pip install kubernetes将python_client拷贝到PYTHONPATH路径下或者直接安装python_client, 该库路径为:https://github.com/ray-project/kuberay/tree/master/clients/python-client/python_client

from python_client import kuberay_cluster_apifrom python_client.utils import kuberay_cluster_utils, kuberay_cluster_builderdef main():        # ray集群管理的api 获取集群列表、创建集群、更新集群、删除集群    kuberay_api = kuberay_cluster_api.RayClusterApi()    # CR 构建器，构建ray集群对应的字典格式的CR    cr_builder = kuberay_cluster_builder.ClusterBuilder()    # CR资源对象操作工具，更新cr资源    cluster_utils = kuberay_cluster_utils.ClusterUtils()    # 构建集群的CR，是一个字典对象，可以修改、删除、添加额外的属性    # 可以指定包含特定环境依赖的人ray镜像    cluster = (        cr_builder.build_meta(name="new-cluster1", labels={"demo-cluster": "yes"}) # 输入ray群名称、名称空间、资源标签、ray版本信息        .build_head(cpu_requests="0", memory_requests="0")   # ray集群head信息： ray镜像名称、对应service类型、cpu memory的requests与limits、ray head启动参数        .build_worker(group_name="workers", cpu_requests="0", memory_requests="0") # ray集群worker信息: worker组名称、 ray镜像名称、ray启动命令、cpu memory的requests与limits、默认副本个数、最大与最小副本个数        .get_cluster()    )        # 检查CR是否构建成功    if not cr_builder.succeeded:        print("error building the cluster, aborting...")        return    # 创建ray集群    kuberay_api.create_ray_cluster(body=cluster)    # 更新ray集群CR中的worker副本集合    cluster_to_patch, succeeded = cluster_utils.update_worker_group_replicas(        cluster, group_name="workers", max_replicas=4, min_replicas=1, replicas=2    )    if succeeded:        # 更新ray集群        kuberay_api.patch_ray_cluster(            name=cluster_to_patch["metadata"]["name"], ray_patch=cluster_to_patch        )    # 在原来的集群的CR中的工作组添加新的工作组    cluster_to_patch, succeeded = cluster_utils.duplicate_worker_group(        cluster, group_name="workers", new_group_name="duplicate-workers"    )    if succeeded:        kuberay_api.patch_ray_cluster(            name=cluster_to_patch["metadata"]["name"], ray_patch=cluster_to_patch        )    # 列出所有创建的集群    kube_ray_list = kuberay_api.list_ray_clusters(k8s_namespace="default", label_selector="demo-cluster=yes")    if "items" in kube_ray_list:        for cluster in kube_ray_list["items"]:            print(cluster["metadata"]["name"], cluster["metadata"]["namespace"])    # 删除集群    if "items" in kube_ray_list:        for cluster in kube_ray_list["items"]:            print("deleting raycluster = {}".format(cluster["metadata"]["name"]))                        # 通过指定名称删除ray集群            kuberay_api.delete_ray_cluster(                name=cluster["metadata"]["name"],                k8s_namespace=cluster["metadata"]["namespace"],            )if __name__ == "__main__":    main()

前置: pip install -U "ray[default]"

# 文件名称: test_job.py# python 标准库import jsonimport rayimport sys# 已经在ray节点安装的库import redis# 通过job提交时传递的模块依赖 runtime_env 配置 py_modules，通过 py_nodules传递过来就可以直接在job中导入from test_module import test_1import stk12# 创建一个连接redeis对象，通过redis作为中转向job传递输入并获取job的输出redis_cli = redis.Redis(host="192.168.6.205", port=6379,  decode_responses=True)# 通过redis获取传入过来的参数input_params_value = Noneif len(sys.argv) > 1:    input_params_key = sys.argv[1]    input_params_value = json.loads(redis_cli.get(input_params_key))# 执行远程任务@ray.remotedef hello_world(value):    return [v + 100 for v in value]ray.init()# 输出传递过来的参数print("input_params_value:", input_params_value, type(input_params_key))# 执行远程函数result = ray.get(hello_world.remote(input_params_value))# 获取输出keyoutput_key = input_params_key.split(":")[0] + ":output"# 将输出结果放入redisredis_cli.set(output_key, json.dumps(result))# 测试传递过来的Python依赖库是否能正常导入print(test_1.test_1())print(stk12.__dir__())

# 模块路径: test_module/test_1.pydef test_1():    return "test_1"

import jsonfrom ray.job_submission import JobSubmissionClient, JobStatusimport timeimport uuidimport redis# 上传un到ray集群供job使用的模块import test_modulefrom agi import stk12# 创建一个连接redeis对象redis_cli = redis.Redis(host="192.168.6.205", port=6379,  decode_responses=True)# 创建一个client，指定远程ray集群的head地址client = JobSubmissionClient("http://127.0.0.1:8265")# 创建任务的IDid = uuid.uuid4().hexinput_params_key = f"{id}:input"input_params_value = [1, 2, 3, 4, 5]# 将输入参数存入redis，供远程函数job使用redis_cli.set(input_params_key, json.dumps(input_params_value))# 提交一个ray job 是一个独立的ray应用程序job_id = client.submit_job(    # 执行该job的入口脚本    entrypoint=f"python test_job.py {input_params_key}",    # 将本地文件上传到ray集群    runtime_env={        "working_dir": "./",        "py_modules": [test_module, stk12],        "env_vars": {"testenv": "test-1"}    },    # 自定义任务ID    submission_id=f"{id}")# 输出job IDprint("job_id:", job_id)def wait_until_status(job_id, status_to_wait_for, timeout_seconds=5):    """轮询获取Job的状态，当完成时获取任务的的日志输出"""    start = time.time()    while time.time() - start <= timeout_seconds:        # 获取任务的状态        status = client.get_job_status(job_id)        print(f"status: {status}")        # 检查任务的状态        if status in status_to_wait_for:            break        time.sleep(1)wait_until_status(job_id, {JobStatus.SUCCEEDED, JobStatus.STOPPED, JobStatus.FAILED})# 输出job日志logs = client.get_job_logs(job_id)print(logs)# 输出从job中获取的任务output_key = job_id + ":output"output_value = redis_cli.get(output_key)print("output:", output_value)

from ray.job_submission import JobSubmissionClient, JobDetails, JobInfo, JobType, JobStatus# 创建一个job提交客户端，如果管理多个ray集群的Job则切换或者创建多个连接ray head节点的客户端job_cli = JobSubmissionClient("http://127.0.0.1:8265")# Job信息，对应Job中submission_id属性job_id = "b9ad6ff9ada445a29fb54307f1394594"job_info = job_cli.get_job_info(job_id)# 获取提交的所有jobjobs = job_cli.list_jobs()for job in jobs:    # 获取job的状态    job_status = job_cli.get_job_status(job.submission_id)    print(f"job_id: {job.submission_id}, job_status: {job_status}")    # 输出job的json格式详情    print("job:", job.json())# 停止Jobjob_cli.stop_job(job_id)# 删除 job# job_cli.delete_job(job_id)# 提交 Job# job_cli.submit_job()# 获取版本信息print("version:", job_cli.get_version())

镜像文件打包下载、文件同步、运维脚本、数据导出与同步、镜像同步、服务启停、TATC卫星项目中算法任务的执行、批量同类型任务的计算(如卫星项目中卫星轨迹的计算)、备份任务

标签：