기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

Ray를 사용하는 IDE 및 노트북

대화형 개발은 IDE 또는 노트북 세션을 실행 중인 Ray 클러스터에 연결하므로 라이브 컴퓨팅에 대해 분산 Python을 작성하고 실행합니다. 스페이스에서 개발하고 Studio에서 클러스터와 스페이스를 관리합니다.

스페이스는 JupyterLab, 코드 편집기 또는 자체 스토리지, 이미지 및 연결된 Ray 클러스터가 있는 원격 IDE 세션과 같은 워크스페이스입니다. 스페이스 ray.init() 내부는 해당 클러스터에 연결됩니다. Studio는 웹 인터페이스입니다. 클러스터를 생성하고, 스페이스를 생성하고, 여기에 연결한 다음 스페이스 내에서 작업을 수행합니다.

공간은 자체 포드에서 실행되며 Ray 헤드 포드에서 분리됩니다. 클러스터에 연결하면 스페이스가 해당 클러스터를 제로 컴퓨팅 작업자 노드로 조인합니다. 이 설정을 사용하면 스페이스 ray.init() 내부가 클러스터에 직접 연결됩니다. 설정은 스페이스를 생성한 다음 Ray 클러스터를 연결하는 두 단계입니다. 기존 클러스터를 연결하거나 새 클러스터를 생성합니다.

사용 사례

다중 테넌트 클러스터의 개발 환경. 플랫폼 팀은 하나의 Kubernetes 클러스터를 실행하고 각 데이터 과학자에게 자체 공간을 제공합니다. 각 스페이스에는 자체 스토리지와 이미지가 있으며 스페이스와 동일한 네임스페이스의 Ray 클러스터에 연결됩니다.

노트북의 대화형 개발. 데이터 준비, 훈련 및 추론과 같은 한 세션에서 Ray 애플리케이션을 처음부터 끝까지 개발합니다. 진행하면서 반복 및 디버깅하고 결과를 시각화합니다. HyperPod는 노트북 아래에서 결함이 있는 노드를 복구하므로 노트북에서 대규모 훈련 실행을 시작할 수도 있습니다. 자세한 내용은 Ray를 사용한 자동 노드 복구 단원을 참조하십시오.

헤드 포드에 kubectl port-forward 또는 쉘이 더 이상 없습니다.

다음 페이지에서는 설정 및 사용에 대해 순서대로 설명합니다.