机器学习分布式框架Ray

人工智能 机器学习 分布式
Ray是UC Berkeley RISELab新推出的高性能分布式执行框架,具有比Spark更优异的计算性能,而且部署和改造更简单,同时支持机器学习和深度学习的分布式训练,支持主流的深度学习框架。

 [[422916]]

Python中文社区 (ID:python-china)

1.什么是Ray

分布式计算框架大家一定都耳熟能详,诸如离线计算的Hadoop(map-reduce),spark, 流式计算的strom,Flink等。相对而言,这些计算框架都依赖于其他大数据组件,安装部署也相对复杂。

在python中,之前有分享过的Celery可以提供分布式的计算。今天和大家分享另外一个开源的分布式计算框架Ray。Ray是UC Berkeley RISELab新推出的高性能分布式执行框架,具有比Spark更优异的计算性能,而且部署和改造更简单,同时支持机器学习和深度学习的分布式训练,支持主流的深度学习框架(pytorch,tensorflow,keras等)。

2. Ray架构

Ray的架构参见最早发布的论文Ray: A Distributed Framework for Emerging AI Applications

由上图可知Ray主要包括:

  •  Node: 节点,主要是head和worker, head可以认为是Master,worker是执行任务的单元
    •   每个节点都有自己的本地调度器local scheduler
    •   object store:一个内存对象存储,允许Node之间进行通信
  •  scheduler:有两个调度器,每个节点都有本地的调度器, 在提交任务时,Local Scheduler会判断是否需要提交给Global Scheduler分发给其他worker来执行。
  •  GCS:全局状态控制记录了Ray中各种对象的状态信息,可以认为是meta数据,是Ray容错的保证

Ray适用于任何分布式计算的任务,包括分布式训练。笔者最近是用在大量的时间序列预测模型训练和在线预测上。

Ray目前库支持超参数调优Ray tune, 梯度下降Ray SGD,推理服务RaySERVE, 分布式数据Dataset以及分布式增强学习RLlib。还有其他第三方库,如下所示:

3. 简单使用

3.1 安装部署 

  1. pip install --upgrade pip  
  2. # pip install ray  
  3. pip install ray == 1.6.0  
  4. # ImportError: cannot import name 'deep_mapping' from 'attr.validators'  
  5. # pip install attr == 19.1.0 

3.2 单机使用

  •  简单例子 Ray 通过@ray.remote装饰器使得函数变成可分布式调用的任务。通过函数名.remote方式进行提交任务,通过ray.get方式来获取任务返回值。单击情况下和多线程异步执行的方式类似。 
  1. import time  
  2.   import ray  
  3.   ray.init(num_cpus = 4) # Specify this system has 4 CPUs.  
  4.   @ray.remote  
  5.   def do_some_work(x):  
  6.       time.sleep(1) # Replace this is with work you need to do.  
  7.       return x  
  8.   start = time.time()  
  9.   results = ray.get([do_some_work.remote(x) for x in range(4)])  
  10.   print("duration =", time.time() - start)  
  11.   print("results = ", results)   
  12.   # duration = 1.0107324123382568  
  13.   # results =  [0, 1, 2, 3] 

remote返回的对象的id 如ObjectRef(7f10737098927148ffffffff0100000001000000)。需要通过ray.get来获取实际的值, 需要注意的是ray.get是阻塞式的调用,不能[ray.get(do_some_work.remote(x)) for x in range(4)]

  •  注意小任务使用情况 需要注意的是ray分布式计算在调度的时候需要发费额外的时间,如调度,进程间通信以及任务状态的更新等等,所以避免过小的任务。可以把小任务进行合并   
  1. @ray.remote  
  2.    def tiny_work(x):  
  3.        time.sleep(0.0001) # Replace this is with work you need to do.  
  4.        return x  
  5.    start = time.time()  
  6.    result_ids = [tiny_work.remote(x) for x in range(100000)]  
  7.    results = ray.get(result_ids)  
  8.    print("duration =", time.time() - start) 
  •  ray.put ray.put() 把一个对象放到对象存储上,返回一个object id, 这个id可以在分布式机器上都可以调用,该操作为异步的。通过ray.get()可以是获取。 
  1. num = ray.put(10)  
  2. ray.get(num) 
  •  ray.wait 如果任务返回多个结果,ray.get()会等所有结果都完成之后才会执行后续的操作。如果多个结果执行的耗时不同,此时短板在于最长的那个任务。

          这个时候可以采用ray.wait()方法,ray.wait()返回执行完毕的和未执行完毕的任务结果,执行完成的结果可以继续后续的操作   

  1. import random  
  2.    @ray.remote  
  3.    def do_some_work(x):  
  4.        time.sleep(random.uniform(0, 4)) # Replace this is with work you need to do.  
  5.        return   
  6.    def process_incremental(sum, result):  
  7.        time.sleep(1) # Replace this with some processing code.  
  8.        return sum + result  
  9.    start = time.time()  
  10.    result_ids = [do_some_work.remote(x) for x in range(4)]  
  11.    sum = 0  
  12.    while len(result_ids):  
  13.        done_id, result_ids = ray.wait(result_ids)  
  14.        sum = process_incremental(sum, ray.get(done_id[0])) 
  15.     print("duration =", time.time() - start, "\nresult = ", sum)  
  16.    # duration = 5.270821809768677   
  17.    # result =  6    

2.3 集群部署

Ray的架构遵循master-slave的模式。Head Node 可以认为是Master,其他的Node为worker。在集群部署时,Head Node需要首先启动ray start --head, 其他机器依次启动worker,注意需要指定head Node的地址确定关系,ray start --address 10.8.xx.3:6379。

关闭服务,需要每一台机器执行 ray.stop

 

  1. # To start a head node.  
  2. #ray start --head --num-cpus=<NUM_CPUS> --num-gpus=<NUM_GPUS>  
  3. ray start --head --node-ip-address 10.8.xx.3 --port=6379  
  4. # To start a non-head node.  
  5. # ray start --address=<address> --num-cpus=<NUM_CPUS> --num-gpus=<NUM_GPUS>  
  6. ray start --address 10.8.xx.3:6379 --node-ip-address 10.8.xx.3 --num-cpus 10 --temp-dir={your temp path} 

  •  提交任务 任何一台worker机器都可以提交任务, 先通过init连接Head Node就可以remote起来了。 
  1. import ray  
  2. ray.init(10.8.xx.3:6379) 

3. 不同任务的例子

  •  任务依赖 任务之间存在依赖关系,Ray和Spark一样也是通过生成DAG图的方式来确定依赖关系,确定可以并行跑的任务。如下图所示zeros是可以并行跑的。 
  1. import numpy as np  
  2. # Define two remote functions. Invocations of these functions create tasks  
  3. # that are executed remotely.  
  4. @ray.remote  
  5. def multiply(x, y):  
  6.     return np.dot(x, y)  
  7. @ray.remote  
  8. def zeros(size):  
  9.     return np.zeros(size)  
  10. # Start two tasks in parallel. These immediately return futures and the  
  11. # tasks are executed in the background.  
  12. x_id = zeros.remote((100, 100))  
  13. y_id = zeros.remote((100, 100))  
  14. # Start a third task. This will not be scheduled until the first two  
  15. # tasks have completed.  
  16. z_id = multiply.remote(x_id, y_id)  
  17. # Get the result. This will block until the third task completes.  
  18. z = ray.get(z_id)  
  19. print(z)     

  •  有状态任务 上面提到的任务都是无状态的(除依赖外),即任务之间都是无关系的。Ray也是支持有状态的任务成为Actor。常是在python class上加@ray.remote,ray会跟踪每个class内部状态的不同状态。 
  1. @ray.remote  
  2.  class Counter(object):  
  3.      def __init__(self):  
  4.          self.n = 0  
  5.      def increment(self):  
  6.          self.n += 1  
  7.      def read(self):  
  8.          return self.n  
  9.  counters = [Counter.remote() for i in range(4)]  
  10.  # 不断的执行可以每个counter计数不断增加  
  11.  [c.increment.remote() for c in counters]  
  12.  futures = [c.read.remote() for c in counters]  
  13.  print(ray.get(futures))  
  14.  # [1, 1, 1, 1]  
  15.  # [11, 11, 11, 11] 
  • map-reduce 任务 map-reduce任务其实可以其他分布式任务是一样的。主要是各种聚合操作。Map-Reduce常规操作如下  

  •  - word count例子见:https://github.com/ray-project/ray/blob/master/doc/examples/streaming/streaming.py

         这里举一个简单的例子:   

  1. @ray.remote  
  2.    def map(obj, f):  
  3.        return f(obj)  
  4.    @ray.remote  
  5.    def sum_results(*elements):  
  6.        return np.sum(elements)  
  7.    items = list(range(100))  
  8.    map_func = lambda i : i*2  
  9.    remote_elements = [map.remote(i, map_func) for i in items]  
  10.    # simple reduce  
  11.    remote_final_sum = sum_results.remote(*remote_elements)  
  12.    result = ray.get(remote_final_sum) 
  13.    # tree reduce  
  14.    intermediate_results = [sum_results.remote(  
  15.        *remote_elements[i * 20: (i + 1) * 20]) for i in range(5)]  
  16.    remote_final_sum = sum_results.remote(*intermediate_results)  
  17.    result = ray.get(remote_final_sum)     

  •  训练模型如pytorch 官网提供了Best Practices: Ray with PyTorch, 主要是下载训练/测试数据和训练多个模型(感觉不是很实用)。训练多个模型,可以进行参数融合。

           参见 https://docs.ray.io/en/latest/using-ray-with-pytorch.html

4. 总结

本文分享了高效的Python分布式计算框架Ray,希望对你有帮助。总结如下:

  •  Ray是UC Berkeley RISELab新推出的高性能分布式执行框架, Spark也是伯克利出品的
  •  Ray架构关键:两个调度器, Head和worker节点,GCS全局状态控制保证计算容错
  •  Ray应用简单:@ray.remote把任务变成分布式任务, x.remote提交任务, get/wait获取结果
  •  集群不是:ray start
  •  Ray支持多种任务:有依赖DAG,有状态Actor以及深度学习支持
  •  不断丰富的库:RaySERVE, RaySGD, RayTune, Ray data,rllib 
责任编辑:庞桂玉 来源: Python中文社区
相关推荐

2023-11-01 18:02:33

RayPython分布式

2017-09-11 15:19:05

CoCoA机器学习分布式

2015-06-10 09:47:18

微软分布式云平台

2016-08-31 07:02:51

2018-11-07 09:23:21

服务器分布式机器学习

2017-04-08 17:32:39

人工智能乔丹Ray

2017-12-05 14:55:56

2022-08-03 20:18:58

机器学习算法分析数据

2017-06-29 13:29:34

大数据PAI机器学习

2023-06-26 00:14:28

Openjob分布式任务

2023-08-24 08:49:27

2021-06-02 22:16:56

框架CAPBASE

2019-07-04 15:13:16

分布式缓存Redis

2021-12-13 11:07:10

鸿蒙HarmonyOS应用

2010-06-03 19:46:44

Hadoop

2024-01-05 07:28:50

分布式事务框架

2021-08-30 18:36:33

鸿蒙HarmonyOS应用

2021-08-30 20:19:55

应用程序

2022-06-02 16:58:06

Ray机器学习字节

2019-10-10 09:16:34

Zookeeper架构分布式
点赞
收藏

51CTO技术栈公众号