레이 (분산 컴퓨팅) 편집하기 (부분)

==리모트 함수==
Remote function은 Ray에서 분산 병렬 처리를 위해 사용하는 기본 단위로, 다음과 같은 현대 애플리케이션 요구사항을 충족한다.
*동일한 코드를 여러 코어나 머신에서 실행 가능
*오류 발생 시 자동 재시도 등 내결함성 제공
*큰 파라미터도 효율적으로 처리 가능
*프로세스 간 정보 전달이 용이함
Ray는 함수 호출을 올바른 프로세스로 자동 매핑하여 실행하며, 함수 호출 결과는 곧바로 '''ObjectRef''' 형태로 반환된다. ObjectRef란 실제 결과가 저장될 미래 객체에 대한 일종의 포인터이다.
===실행 방식===
*사용자가 remote 함수를 호출하면, Ray는 작업을 비동기적으로 분산 실행한다.
*ObjectRef를 통해 값을 나중에 받아올 수 있으며, ray.get()을 사용하여 결과를 확인한다.
*remote 함수는 반드시 다른 머신에서 실행되는 것은 아니며, 같은 노드 내 다른 프로세스일 수도 있다.
===예시 코드===
<syntaxhighlight lang="python">
import ray
ray.init()

@ray.remote
def f(x):
    return x * x

futures = [f.remote(i) for i in range(4)]
print(ray.get(futures))  # [0, 1, 4, 9]
</syntaxhighlight>

=== 동작 흐름 ===

* 함수 호출자는 해당 작업의 '''소유자(owner)'''가 되며, ObjectRef를 관리한다.
*작업 제출 시, owner는 인자로 전달된 모든 ObjectRef가 준비될 때까지 대기한다.
* 준비 완료되면, 분산 스케줄러에 자원을 요청하고 작업 실행을 위한 워커 주소를 받는다.
*[[GRPC (RPC 프레임워크)|gRPC]]를 통해 워커에게 작업 명세를 전달하며, 워커는 작업을 실행 후 결과를 저장한다.
**작은 결과는 인라인으로 전달되고, 큰 객체는 local object store에 저장된다.
===오류 처리===
*'''응용 수준 오류''': 예외가 발생하면 해당 예외 객체가 결과로 반환되며, 재시도는 이루어지지 않는다.
*'''시스템 수준 오류''': 예를 들어 워커 프로세스가 죽는 경우, 지정된 횟수만큼 자동 재시도된다.<ref>max_retries 옵션을 통해 최대 재시도 횟수를 설정할 수 있다.</ref>