Python mit Ray skalieren

Kapitel 3. Remote-Funktionen

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Wenn du moderne Anwendungen in großem Maßstab entwickelst, brauchst du oft eine Form des verteilten oder parallelen Rechnens. Viele Python-Entwickler lernen das parallele Rechnen über das Multiprocessing-Modul kennen. Multiprocessing ist nur begrenzt in der Lage, die Anforderungen moderner Anwendungen zu erfüllen. Zu diesen Anforderungen gehören die folgenden:

• Den gleichen Code auf mehreren Kernen oder Maschinen ausführen

• Einsatz von Werkzeugen zur Bewältigung von Maschinen- und Bearbeitungsfehlern

• Effiziente Handhabung großer Parameter

• Einfacher Informationsaustausch zwischen Prozessen

Im Gegensatz zum Multiprocessing erfüllen die Remote-Funktionen von Ray diese Anforderungen. Es ist wichtig zu wissen, dass sich " remote" trotz des Namens nicht unbedingt auf einen separaten Computer bezieht; die Funktion könnte auch auf demselben Rechner laufen. Ray sorgt dafür, dass Funktionsaufrufe in deinem Namen an den richtigen Prozess weitergeleitet werden. Ray übernimmt die Verteilung der Funktionsaufrufe, anstatt sie im selben Prozess auszuführen. Wenn du entfernte Funktionen aufrufst, läufst du effektiv asynchron auf mehreren Kernen oder verschiedenen Rechnern, ohne dass du dir Gedanken darüber machen musst, wie oder wo.

Hinweis

Asynchron ist eine schicke Umschreibung dafür, dass mehrere Dinge gleichzeitig laufen, ...