KubeRay v1.3.0 版本深度解析:全面提升 Ray 在 Kubernetes 上的运行体验
KubeRay 是 Ray 项目在 Kubernetes 上的原生实现,它使得分布式计算框架 Ray 能够无缝运行在 Kubernetes 集群中。最新发布的 v1.3.0 版本带来了多项重要改进和新特性,显著提升了 Ray 在 Kubernetes 环境下的稳定性、可观测性和用户体验。
核心特性解析
1. RayCluster 状态条件 API 升级至 Beta
v1.3.0 版本将 RayCluster 的条件 API 提升至 Beta 状态,这一改进为集群状态监控提供了更丰富的细节信息。新 API 能够准确表达集群的各种运行状态,包括:
- AllPodRunningAndReadyFirstTime:首次所有 Pod 运行就绪状态
- RayClusterPodsProvisioning:Pod 正在创建中
- HeadPodNotFound:Head Pod 未找到
- HeadPodRunningAndReady:Head Pod 运行就绪
这些条件状态为运维人员提供了更精确的集群健康度指标,便于快速定位问题。未来版本还将继续扩展支持更多条件类型。
2. Ray Kubectl 插件进入 Beta 阶段
KubeRay 的 kubectl 插件现已达到 Beta 成熟度,提供了一系列便捷的命令行操作:
- 日志收集:通过
kubectl ray logs
命令可将 Ray 日志下载到本地 - 会话管理:
kubectl ray session
支持端口转发到 Ray Head 节点 - 集群创建:
kubectl ray create
简化了集群创建流程 - 作业提交:
kubectl ray job submit
支持从本地工作目录提交 RayJob
这些命令显著简化了日常运维操作,提升了开发效率。
3. RayJob 稳定性增强
针对长期运行的 RayJob,v1.3.0 做了多项稳定性改进。特别是在使用 submissionMode=K8sJobMode
时,解决了因重复提交 ID 导致的作业失败问题。现在,如果提交 ID 已存在,系统会自动获取现有作业的日志,而不是重复提交。
4. RayService API 优化
RayService 致力于实现零停机服务。v1.3.0 引入了 UpgradeStrategy
选项,允许用户自定义升级行为:
- NewCluster:创建新集群进行升级(默认)
- None:禁用零停机升级
此外,改进了状态表示方式,引入 Ready
和 UpgradeInProgress
条件,逐步淘汰原有的 serviceStatus
字段,使状态监控更加准确可靠。
5. GCS 容错 API 改进
新版本简化了 GCS 容错配置,通过新增的 GcsFaultToleranceOptions
字段,用户可以在一个地方集中配置所有相关参数,不再需要分散在 Pod 注解、容器环境变量和 RayStartParams 中。同时支持 Redis 用户名配置(需要 Ray 2.4.1+)。
技术实现细节
资源管理优化
- 容器 CPU 请求现在会用于 Ray 的
–num-cpus
参数(当未指定 CPU 限制时) - 新增对 TPU 和 Neuron Core 资源的检测与支持
- 改进了 /dev/shm 大小的计算逻辑,优先考虑内存限制
自动扩缩容增强
- 完善了 Ray 自动扩缩容 v2 版本的各项功能
- 支持通过
workerGroupSpec.idleTimeoutSeconds
配置空闲超时 - 增加了对自定义空闲超时值的端到端测试
安全性改进
- 提供了使用 kube-rbac-proxy 实现 Dashboard 访问控制的示例配置
- 修复了各种潜在的安全隐患
- 增加了对 Redis 密码和用户名的验证
最佳实践建议
-
状态监控:建议优先使用新的条件 API 而非已弃用的
serviceStatus
字段来监控集群状态。 -
GCS 容错配置:使用新的
GcsFaultToleranceOptions
字段简化配置,确保 Redis 相关参数集中管理。 -
升级策略:根据资源情况选择合适的
UpgradeStrategy
,资源充足时使用NewCluster
实现零停机升级,资源紧张时可考虑None
。 -
日志收集:利用 kubectl 插件的日志功能定期收集和分析 Ray 日志,便于问题排查。
-
资源分配:合理设置 CPU 请求和限制,KubeRay 现在能更智能地利用这些参数配置 Ray 资源。
总结
KubeRay v1.3.0 通过一系列精心设计的改进,显著提升了 Ray 在 Kubernetes 上的运行体验。从更精确的状态监控到简化的运维操作,从增强的稳定性到灵活的资源管理,这个版本为大规模部署 Ray 集群提供了更强大的基础。特别是 kubectl 插件的成熟和条件 API 的完善,将大大降低运维复杂度,提升开发效率。
对于正在使用或考虑使用 Ray 进行分布式计算的企业和开发者,升级到 v1.3.0 版本将能够获得更稳定、更易管理的运行环境,为数据密集型应用提供更可靠的基础设施支持。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









