Ray是一个高性能分布式计算框架，借助它可以非常容易的构建分布式运算任务。本文将介绍如何在Linux上部署Ray集群：

架构

Ray集群由一个Head节点和多个Worker节点组成：

cluster.png

Anaconda

为了方便，我们最好利用 Anaconda构建来一个独立的python运行环境。(当然你也可以直接使用系统内python运行环境，那么你可以跳过此步骤)

# 下载安装脚本
$ wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
# 添加执行权限
$ chmod u+x Miniconda3-latest-Linux-x86_64.sh 
# 运行安装脚本
$ ./Miniconda3-latest-Linux-x86_64.sh

安装python

为ray准备一个python环境，以python3.8.8示例：

# 创建一个名为ray，版本为3.8.8的python环境
$ conda create --name ray python=3.8.8
# 激活名为ray的python环境
$ conda activate ray

安装完之后，最好重新登录一下，或者执行一下source ~/.bashrc使得环境变量生效

安装ray

安装ray(版本为1.7.0)，这里为了加快速度指定了阿里的镜像源：

$ pip install -i https://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com -U 'ray[default]'==1.7.0

启动head节点

在192.168.100.1上启动Head节点:

$ ray start --head --dashboard-host='0.0.0.0' --dashboard-port=8265

正常会看到如下输出：

Local node IP: 192.168.100.1
2021-11-02 18:33:11,977 INFO services.py:1250 -- View the Ray dashboard at http://192.168.100.1:8265
--------------------
Ray runtime started.
--------------------
Next steps
  To connect to this Ray runtime from another node, run
    ray start --address='192.168.100.1:6379' --redis-password='5241590000000000'
...

输出信息包含了2个关键信息，需要别注意：

• View the Ray dashboard at http://192.168.100.1:8265：web服务的地址
• ray start --address='192.168.100.1:6379' --redis-password='524159000'：head的地址和密码

启动worker节点

在192.168.100.2上，按照上面的步骤将python和ray安装好，注意它们的版本必须保持一致。
（另外，Worker不是必须的，因为Head节点本身就具有worker角色）

# 连接指定的Head地址
$ ray start --address='192.168.100.1:6379' --redis-password='5241590000000000'

Dashboad

访问dashboard：http://192.168.100.1:8265

dashboard.png

相关链接：

无法访问Ray Dashboard的几个原因