3. Ray集群配置与启动

任务目标

配置并启动一个包含1个Head节点和2个Worker节点的Ray集群，验证节点间通信正常，并确认集群资源（CPU）被正确聚合与调度。

环境与依赖

• 3台Linux服务器（或1台宿主机上的3个容器），内网互通，均可访问同一Redis端口（本案例使用Ray内置GCS，无需外部Redis）
• Python 3.8+，每台节点已安装 ray[default]==2.9.0
• 所有节点使用相同的 --ray-deployer 端口（默认6379）与 --gcs-server-port（默认6379）不冲突

集群配置与启动

Head节点执行以下命令启动集群主节点，并指定Dashboard端口供监控：

ray start --head --port=6379 --dashboard-host=0.0.0.0 --dashboard-port=8265 --num-cpus=4

启动成功后，终端会输出 --address=192.168.1.10:6379 的连接地址。两个Worker节点分别执行：

ray start --address=192.168.1.10:6379 --num-cpus=4

若需关闭集群，各节点执行 ray stop。

验证节点通信与资源管理

在Head节点执行以下Python脚本，验证集群状态与跨节点任务调度：

import ray

ray.init(address="auto")

# 1. 验证集群资源总量
cluster_resources = ray.cluster_resources()
print("总CPU数:", cluster_resources["CPU"])
assert cluster_resources["CPU"] == 12, "CPU总数应为3节点×4核=12"

# 2. 验证节点间通信：在Worker节点上执行远程任务
@ray.remote
def get_node_ip():
    import socket
    return socket.gethostbyname(socket.gethostname())

# 调度3个任务，观察是否分布到不同节点
futures = [get_node_ip.remote() for _ in range(6)]
node_ips = set(ray.get(futures))
print("任务所在节点IP集合:", node_ips)
assert len(node_ips) >= 2, "任务应分布到至少2个不同节点"

# 3. 验证资源调度：提交一个占用2CPU的任务，确认可正常运行
@ray.remote(num_cpus=2)
def heavy_task():
    return "2CPU任务执行成功"

result = ray.get(heavy_task.remote())
print(result)

ray.shutdown()
print("集群验证通过")

运行与判定标准

1. 在Head节点运行 python verify_cluster.py（将上述代码保存为该文件）
2. 观察输出：总CPU数: 12，且节点IP集合包含至少2个不同IP
3. 脚本无异常断言错误，最终打印 集群验证通过，即判定集群配置正确、通信正常、资源管理有效
4. 可选：浏览器访问 http://192.168.1.10:8265，在Dashboard的Cluster页面应看到3个节点均处于ACTIVE状态

常见问题

• 若 ray.init(address="auto") 失败，检查Head节点防火墙是否放行6379端口，并确认Worker节点能ping通Head节点IP
• 若CPU总数小于12，检查是否有节点意外退出，用 ray status 查看各节点资源上报情况
• 跨节点任务分布不均时，可增加任务数量（如改为10个）以更大概率覆盖所有节点