ray

把 Python 代码一键变成分布式，搞定大规模 AI 训练和部署

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 开源模型 🍴 复刻 8259 🐛 待处理 3749 👀 关注 481
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 44240
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目，Apache-2.0许可证，可免费使用和部署。

项目预览

ray 项目界面预览图
图片来源：项目官网

项目数据

分类开源模型
开发团队ray-project
官网地址https://ray.io
GitHubhttps://github.com/ray-project/ray
定价模式🏷️完全免费
价格说明开源项目，Apache-2.0许可证，可免费使用和部署。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型data-science,deep-learning,deployment,distributed,hyperparameter-optimization,hyperparameter-search,large-language-models,llm,llm-inference,llm-serving,machine-learning,optimization,parallel,python,pytorch,ray,reinforcement-learning,rllib,serving,tensorflow
GitHub 星标★ 44240
上线时间2016-10-25 00:00:00
代码更新2026-11-09
仓库体积834.5 MB
本站数据更新2026-11-09
维护状态活跃
收录时间2026-08-09
浏览次数11

项目介绍

Ray 是一个面向 AI 计算的分布式引擎，由核心分布式运行时和一组 AI 库组成，用于加速机器学习工作负载。它解决了大规模分布式训练、调参、推理和服务部署中的工程复杂性，让开发者能够将单机 Python 代码无缝扩展到集群。核心能力包括：分布式任务调度、分布式数据处理（Ray Data）、强化学习库（RLlib）、超参调优（Tune）、模型服务（Serve）等。Ray 提供统一的 API，支持从数据预处理到模型训练、部署的全链路，并与 PyTorch、TensorFlow 等主流框架深度集成。它被广泛应用于 OpenAI、Uber、蚂蚁集团等公司的生产环境，是构建可扩展 AI 应用的基础设施。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 44240

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门 约 10 分钟 部署方式：云服务 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

  • 可访问 ray.io、docs.ray.io 与 GitHub 的网络环境
  • 可选：Anyscale 账号（README 提供免费试用入口）
  • 可选：Slack 或 Discuss 账号，用于提问与交流

安装与启动步骤

  1. 1查阅官方文档

    README 节选未给出安装命令，先访问 docs.ray.io，按自身环境选择对应安装说明。

  2. 2免费试用云平台

    README 提供 Anyscale 的免费开始入口，可在云端体验 Ray，无需先配置本地环境。

  3. 3加入社区提问

    遇到问题可加入 Ray Slack 或在 Discuss 论坛提问，README 中给出了两个入口链接。

  4. 4关注版本与动态

    可通过 README 中给出的 X/Twitter 账号关注 Ray 的更新与发布信息。

如何确认成功

能正常打开 docs.ray.io 文档页，并进入 Anyscale 免费试用入口，即说明访问链路正常。

常见问题

Q：本地安装 Ray 的命令是什么？

A：本次 README 节选中未给出任何安装命令，请以 docs.ray.io 官方文档的安装页面为准，不要照搬非官方来源的命令。

Q：必须使用 Anyscale 才能用 Ray 吗？

A：README 只是提供了一个免费试用的快速入口，并不表示必须使用；具体运行方式请参考官方文档。

Q：遇到使用问题去哪里求助？

A：可加入 README 中给出的 Ray Slack（ray.io/join-slack），或在 discuss.ray.io 论坛发帖提问。

Q：Ray 能和哪些框架配合？

A：README 节选未展开说明，其定位是统一框架，用于扩展 AI 与 Python 应用，集成细节请查官网与文档。

注意事项

  • README 节选未包含安装命令、端口、路径等信息，本教程只覆盖其中可确认的入口内容。
  • 所有安装步骤与依赖要求请以 docs.ray.io 官方文档为准。
  • 项目为 Python 生态，但节选中未给出所需 Python 版本，请自行在文档中确认。

核心亮点

  • 统一分布式运行时，从数据到训练到服务全流程覆盖，减少系统集成成本
  • API 设计贴近原生 Python，学习曲线平缓，单机代码可快速扩展至集群
  • 生态丰富，内置 Tune、RLlib、Serve 等库，解决调参、强化学习、在线推理等具体场景

不足之处

  • 分布式系统本身复杂度高，部署和运维需要一定经验
  • 文档部分内容更新滞后，部分高级功能示例较少

适用场景

  • 大规模分布式模型训练和超参调优
  • 在线模型服务与推理，支持弹性伸缩
  • 强化学习实验和分布式仿真环境

替代项目

Dask、Horovod、Apache Spark MLlib

上一篇：mempalace

下一篇：sglang

同类项目推荐

MLOps 开源

让机器学习模型从实验室平滑走向生产，告别手工部署烦恼。

Machine Learning In Production (MLOps)

★ 306 2026-08-09
ax-llm 开源

把大模型塞进爱芯芯片，OpenAI 接口即插即用

Explore LLM model deployment based on AXera's AI chips, It provides OpenAI‑compatib···

★ 170 2026-09-26
agent-prism 开源

把 AI Agent 执行轨迹变成可嵌入的 React 可视化组件

React components for visualizing traces from AI agents

★ 407 2026-09-30
NadirClaw 开源

自动分流简单/复杂请求，AI API 账单直降四到七成

Source-available LLM router and AI cost optimizer. Routes simple prompts to cheap or···

★ 665 2026-09-16
aio2024-mlops 开源

跟着Notebook动手玩转MLOps全流程工具链

This project serves as a hands-on introduction to essential MLOps tools

★ 61 2026-08-09
onnxruntime-genai 开源

ONNX 模型一键跑生成式 AI，跨平台多语言

Generative AI with ONNX Runtime

★ 1154 2026-10-19
GPTCache 开源

给 LLM 加个语义缓存，重复问题秒回，省钱又提速

Semantic cache for LLMs. Fully integrated with LangChain and llama_index.

★ 8222 2026-08-09
aws-lambda-power-tuning 开源

自动跑遍内存档位，找出 Lambda 最省钱或最快的配置

AWS Lambda Power Tuning is an open-source tool that can help you visualize and fine-···

★ 6081 2026-09-16
onWatch 开源

一个后台小进程，实时盯住所有 AI 额度不爆表

Track AI API quotas across Synthetic, Z.ai, Anthropic (Claude Code), Codex, GitHub C···

★ 771 2026-09-15