Dela via

Starta ett Ray-kluster på Azure Databricks

  • Artikel

Azure Databricks förenklar processen med att starta ett Ray-kluster genom att hantera kluster och jobbkonfiguration på samma sätt som med alla Apache Spark-jobb. Det beror på att Ray-klustret faktiskt startas ovanpå det hanterade Apache Spark-klustret.

Köra Ray på en lokal dator

import ray

ray.init()

Köra Ray på Azure Databricks

from ray.util.spark import setup_ray_cluster
import ray

# If the cluster has four workers with 8 CPUs each as an example
setup_ray_cluster(num_worker_nodes=4, num_cpus_per_worker=8)

# Pass any custom configuration to ray.init
ray.init(ignore_reinit_error=True)

Den här metoden fungerar i valfri klusterskala, från några till hundratals noder. Ray-kluster på Azure Databricks stöder även automatisk skalning.

När du har skapat Ray-klustret kan du köra valfri Ray-programkod i en Azure Databricks-notebook-fil.

Viktigt!

Databricks rekommenderar att du installerar alla nödvändiga bibliotek för ditt program med för att säkerställa att de är tillgängliga för ditt Ray-kluster och -program i enlighet med %pip install <your-library-dependency> detta. Om du anger beroenden i ray init-funktionsanropet installeras beroendena på en plats som inte är tillgänglig för Apache Spark-arbetsnoderna, vilket resulterar i versionskompatibiliteter och importfel.

Du kan till exempel köra ett enkelt Ray-program i en Azure Databricks-notebook-fil på följande sätt:

import ray
import random
import time
from fractions import Fraction

ray.init()

@ray.remote
def pi4_sample(sample_count):
    """pi4_sample runs sample_count experiments, and returns the
    fraction of time it was inside the circle.
    """
    in_count = 0
    for i in range(sample_count):
        x = random.random()
        y = random.random()
        if x*x + y*y <= 1:
            in_count += 1
    return Fraction(in_count, sample_count)

SAMPLE_COUNT = 1000 * 1000
start = time.time()
future = pi4_sample.remote(sample_count=SAMPLE_COUNT)
pi4 = ray.get(future)
end = time.time()
dur = end - start
print(f'Running {SAMPLE_COUNT} tests took {dur} seconds')

pi = pi4 * 4
print(float(pi))

Stänga av ett Ray-kluster

Ray-kluster stängs automatiskt av under följande omständigheter:

  • Du kopplar från den interaktiva notebook-filen från Azure Databricks-klustret.
  • Ditt Azure Databricks-jobb har slutförts.
  • Ditt Azure Databricks-kluster startas om eller avslutas.
  • Det finns ingen aktivitet för den angivna inaktiva tiden.

Om du vill stänga av ett Ray-kluster som körs på Azure Databricks kan du anropa API:et ray.utils.spark.shutdown_ray_cluster .

from ray.utils.spark import shutdown_ray_cluster
import ray

shutdown_ray_cluster()
ray.shutdown()

Nästa steg