As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Gerenciando dependências com runtime_env

O Ray runtime_env instala pacotes pip e envia um diretório de trabalho para o cluster em tempo de execução. Você adiciona uma dependência sem reconstruir uma imagem de contêiner, o que mantém o desenvolvimento interativo rápido.

Injete dependências de forma interativa

Passe runtime_env pararay.init(). O Ray instala os pacotes e carrega o diretório de trabalho no cluster antes da execução do código.

import ray

ray.init(runtime_env={
    "pip": ["pandas==2.2.2", "scikit-learn"],
    "working_dir": "./src",
})

Injetar dependências para um trabalho enviado

Para um trabalho enviado pela linha de comando, passe o mesmo ambiente com --working-dir --runtime-env-json e.

ray job submit \
    --address sagemaker_ray://my-cluster/my-namespace \
    --working-dir ./src \
    --runtime-env-json '{"pip": ["pandas==2.2.2", "scikit-learn"]}' \
    -- python my-script.py

Para ver o conjunto completo de runtime_env campos, incluindo ambientes conda e variáveis de ambiente, consulte Ambientes de tempo de execução do Ray na documentação do Ray.