Rayを使うと、Pythonのコードを多数のマシンで動かしやすくなります。開発者が簡単なデコレーターを付けて関数を分散タスクに変えると、Rayがクラスター全体にスケジューリングします。この中核の上に、データ処理、学習、チューニング、モデルのサービングのライブラリが載っています。
機械学習で広く使われており、大規模モデルの学習ジョブ、バッチ推論、強化学習がRayに頼っています。大手のAIラボや企業もRayの上に構築しています。開発者が創業したAnyscaleは、マネージドのプラットフォームを提供しています。
Rayは無料のオープンソースです。クラスターの運用には専門知識が必要で、分散ジョブのデバッグはローカルのコードより難しくなります。代替にはDask、Apache Spark、Modal、Kubeflow、Flyteがあります。Rayは、PythonとAIのワークロードを拡張するチームに向いています。
