Ray:新兴人工智能应用的分布式框架

摘要

下一代人工智能应用程序将不断与环境交互，并从这些交互中学习。这些应用程序在性能和灵活性方面提出了新的和苛刻的系统要求。在本文中，我们考虑了这些需求，并提出了Ray-a分布式系统来解决这些需求。Ray实现了一个统一的接口，该接口可以表示任务并行计算和基于角色的计算，由单个动态执行引擎支持。为了满足性能要求，Ray采用了分布式调度器和分布式容错存储来管理系统的控制状态。在我们的实验中，我们证明了在几个具有挑战性的强化学习应用中，每秒可扩展超过180万个任务，并且性能优于现有的专业系统。