Ray: fordel Python- og KI-jobber på flere prosesser
Ray er et rammeverk for å skalere Python-programmer og KI-arbeid.
Hva er Ray?
Ray er et rammeverk for å skalere Python-programmer og KI-arbeid. Kjernen fordeler oppgaver mellom arbeidsprosesser, mens egne biblioteker dekker blant annet databehandling, modelltrening, søk etter modellinnstillinger og servering av modeller. Prosjektets README beskriver både enkeltmaskiner og klynger som bruksområder.
To sentrale begreper er oppgaver og aktører. En oppgave er en funksjon som kan kjøres separat. En aktør er en arbeidsprosess som beholder tilstand mellom kall. Det gjør Ray aktuelt når mange beregninger kan utføres uavhengig av hverandre, eller når en modell skal holdes lastet mens flere forespørsler behandles.
Hva kan norske bedrifter bruke det til?
Et analyseteam kan for eksempel prøve å behandle flere uavhengige datafiler samtidig. Et annet mulig forsøk er å sammenligne modellinnstillinger eller kjøre modellberegninger på flere databolker. Dette er forslag til bruk, ikke dokumenterte resultater fra norske kunder.
Start med å måle hvor tiden faktisk går. Dersom flaskehalsen er en langsom database eller venting på et eksternt API, er flere prosesser ikke nødvendigvis løsningen. Overføring av store datamengder mellom prosesser kan dessuten spise opp gevinsten. Sammenlign derfor med et enkelt program før dere velger mer infrastruktur.
Slik kommer du i gang
- Opprett et isolert Python-miljø på en testmaskin.
- Installer grunnpakken med
pip install ray, slik README viser. - Følg prosjektets introduksjon til oppgaver og aktører med små eksempeldata.
- Mål kjøretid, minne og om resultatene er de samme som uten parallellisering.
Velg først det biblioteket dere trenger når grunnforsøket fungerer. Dokumenter pakkeversjoner og ressursbehov, og sett grenser for hvor mange jobber som kan starte samtidig. En test på bærbar maskin er ikke i seg selv en kapasitetsplan for drift.
Lisens
Ray har Apache 2.0 som hovedlisens. LICENSE-filen inneholder også merknader og egne vilkår for inkludert tredjepartskode, blant annet MIT- og BSD-vilkår. Behold relevante lisens- og opphavsrettsmerknader ved videre distribusjon.
Hvorfor vi skriver om det
Ray viser hvordan beregningsarbeidet rundt KI kan organiseres når ett enkelt program blir en flaskehals. TikTok kan ikke leses direkte i denne gjennomgangen. Vi bekrefter derfor ikke omtale på bestemte KI-kanaler; funksjonene er kontrollert mot prosjektets egne kilder.
Lenker
Kilder
Opplysningene er hentet fra kildene over 16. november 2026. Lisens, funksjoner og installasjon kan ha endret seg siden.