5.4 KiB
5.4 KiB
P25-B. Ray: акторы и восстановление
- Версия и дата проверки: 1.1, 07.09.2026.
- Статус: готово к назначению.
Статья и исходные материалы
- Основная статья: Philipp Moritz и соавт. — Ray: A Distributed Framework for Emerging AI Applications. OSDI 2018.
- Кратко о статье: Приложения машинного обучения сочетают динамические графы задач с долгоживущим изменяемым состоянием. Ray предоставляет для них общую модель удалённых функций и акторов, дополняя её распределённым планированием, объектным хранилищем и механизмами восстановления. В этом проекте исследуется граница между состоянием актора, повторным выполнением задач и внешним сохранением данных при сбоях.
- Почему результат актуален: Ray объединяет задачи и акторы в одном распределённом runtime, рассчитанном на динамические графы вычислений, возникающие в обучении с подкреплением и других ИИ-приложениях.
- Артефакты и данные: ray-project/ray, открытая система с локальным кластерным режимом и актуальной документацией. Зафиксированная основная ревизия:
ray-project/ray@2ff4d94078ee(Apache-2.0). - Что уже предоставляет артефакт: Ray предоставляет акторы, выполнение задач и механизмы перезапуска. Их разрешено использовать как runtime для собственного приложения; политику сохранения прикладного состояния задаёт команда.
Обязательный результат
- Проверяемый вопрос или утверждение: Модель акторов упрощает долгоживущее изменяемое состояние, но гарантии восстановления и цена повторного выполнения зависят от границы между состоянием актора, задачами и внешним хранилищем.
- Технический результат: Реализовать локальное приложение из нескольких stateful-акторов и клиентов с журналом операций, контрольными суммами и управляемыми падениями. Добавить как минимум две стратегии восстановления состояния.
- Обязательное приращение команды: Создать предусмотренное приложение с журналом и контрольными суммами, две стратегии восстановления и процессный baseline. Организовать управляемые отказы worker и актора, независимую проверку конечного состояния и учёт потерянных, повторных операций и повторной работы.
- Эксперимент: Сравнить restart без внешнего состояния, checkpoint/replay и простой процессный baseline при отказе worker и актора. Измерить время восстановления, потерянные или повторные операции, p95/p99, объём повторной работы и правильность конечного состояния минимум в трёх сериях.
- Границы выводов: гарантии и цена восстановления проверяются для выбранного приложения акторов, стратегий хранения и локальных отказов; результат не устанавливает общую семантику долговечности Ray и поведение крупного кластера.
- Ресурсный профиль: локально, CPU, 8–16 ГБ памяти; масштаб статьи не воспроизводится, проверяется механизм на одном компьютере с несколькими процессами.
Содержательные направления
- модель состояния и эталон корректности.
- приложение акторов, отказы и восстановление.
- базовый вариант, нагрузка, повторные серии и анализ гарантий.
Возможное продолжение
Добавить placement groups, репликацию состояния, backpressure, цепочку акторов или отказ во время checkpoint.