Ray

Ray erleichtert die Ausführung von Python-Code auf vielen Rechnern. Entwickler:innen versehen Funktionen mit einfachen Dekoratoren, damit sie zu verteilten Aufgaben werden; Ray verteilt diese anschließend über einen Cluster. Auf diesem Kern bauen Bibliotheken für Datenverarbeitung, Training, Optimierung und Modellbereitstellung auf.

Ray wird häufig im maschinellen Lernen eingesetzt: Große Trainingsläufe, Batch-Inferenz und Reinforcement Learning nutzen das Framework. Große KI-Labore und Unternehmen bauen darauf auf. Anyscale, das von den Ray-Entwicklern gegründete Unternehmen, bietet eine verwaltete Plattform.

Ray ist kostenlos und quelloffen. Der Betrieb von Clustern erfordert Fachwissen; verteilte Aufgaben sind schwieriger zu debuggen als lokaler Code. Alternativen sind Dask, Apache Spark, Modal, Kubeflow und Flyte. Ray eignet sich für Teams, die Python- und KI-Arbeitslasten skalieren.