翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Ray を使用した IDE とノートブック

インタラクティブ開発は、IDE またはノートブックセッションを実行中の Ray クラスターに接続するため、ライブコンピューティングに対して分散 Python を記述して実行します。スペースで開発し、Studio でクラスターとスペースを管理します。

スペースはワークスペースです。独自のストレージ、イメージ、およびアタッチされた Ray クラスターを持つ JupyterLab、コードエディタ、またはリモート IDE セッションです。スペースray.init()内の は、そのクラスターに接続します。Studio はウェブインターフェイスです。クラスターを作成し、スペースを作成し、そこで接続してから、スペース内で作業を行います。

スペースは独自のポッドで実行され、Ray ヘッドポッドから切り離されます。クラスターにアタッチすると、スペースはそのクラスターをゼロコンピューティングワーカーノードとして結合します。この設定では、スペースray.init()内の がクラスターに直接接続されます。セットアップは 2 つのステップです。スペースを作成してから、Ray クラスターをアタッチします。既存のクラスターをアタッチするか、新しいクラスターを作成します。

ユースケース

マルチテナントクラスターの開発環境。プラットフォームチームは 1 つの Kubernetes クラスターを実行し、各データサイエンティストに独自のスペースを与えます。各スペースには独自のストレージとイメージがあり、スペースと同じ名前空間の Ray クラスターにアタッチされます。

ノートブックでのインタラクティブな開発。Ray アプリケーションは、データの準備、トレーニング、推論という 1 つのセッションでエンドツーエンドで開発します。移動中に反復処理とデバッグを行い、所定の位置に結果を視覚化します。HyperPod はノートブックの下にある障害のあるノードを回復するため、ノートブックから大規模なトレーニング実行を開始することもできます。詳細については、「Ray によるノードの自動復旧」を参照してください。

ヘッドポッドに kubectl port-forwardまたは シェルを追加しません。

以下のページでは、セットアップと使用を順番に説明します。