Capítulo 2. Primeros pasos con Ray (localmente)
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
Como ya hemos comentado, Ray es útil para gestionar recursos desde un único ordenador hasta un clúster. Es más sencillo empezar con una instalación local, que aprovecha el paralelismo de las máquinas multinúcleo/multi-CPU. Incluso cuando realices la implementación en un clúster, querrás tener Ray instalado localmente para el desarrollo. Una vez que hayas instalado Ray, te mostraremos cómo crear y llamar a tu primera función asíncrona paralelizada y almacenar el estado en un actor.
Consejo
Si tienes prisa, también puedes utilizar Gitpod enel repositorio GitHub del libro para obtener un entorno webcon los ejemplos, o echar un vistazo al Rayo gestionado de Anyscale.
Instalación
La instalación de Ray, incluso en una sola máquina, puede ser desde relativamente sencilla hasta bastante complicada. Ray publica ruedas en el Python Package Index (PyPI) siguiendo una cadencia de publicación normal, así como en versiones nocturnas. Actualmente, estas ruedas sólo están disponibles para usuarios de x86, por lo que los usuarios de ARM tendrán que compilar Ray desde el código fuente.1
Consejo
Los usuarios de M1 ARM en macOS pueden utilizar los paquetes x86 con Rosetta. Se produce cierta degradación del rendimiento, pero es una configuración mucho más sencilla. Para utilizar el paquete x86s, instala Anaconda para macOS.
Instalación ...
Get Escalando Python con Ray now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
