弹性 MapReduce Ray Cluster 使用指南

一、创建 RayCluster（表单）

二、基础配置

·RayCluster 名称：长度 1–53 个字符，仅支持小写字母。

·命名空间：从下拉列表中选择，默认选中 KubeRay 部署所在的命名空间。

·高可用：默认开启，生产环境建议保持开启。

三、自定义镜像

根据业务作业场景，你可以选择开启自定义镜像功能。

·镜像来源：支持从公共镜像、企业镜像或个人镜像中选择。

·配置项：选定镜像后需配置对应的版本号及镜像拉取策略。

四、资源组配置

RayCluster 由一个 headgroup 和若干个 workergroup 组成。

·headgroup：默认创建 1 个 headgroup。你可以在 Pod 配置中设置 headgroup 的 CPU、内存、GPU（可选）、Pod 数量；同时可在参数配置中为 head Pod 配置 Labels、Tolerations、Env 以及节点调度策略（JSON），用于控制 Pod 的调度与运行环境。

·workergroup：默认创建 1 个 workergroup。你可以修改 workergroup 名称，并在 Pod 配置中设置该组 Worker Pod 的 CPU、内存、GPU（可选）与 Pod 数量。workergroup 支持在 Pod 配置常驻 Pod 数以及弹性伸缩范围（MIN/MAX）。workergroup 同样支持在参数配置中设置 Labels、Tolerations、Env 以及节点调度策略（JSON）。单个 RayCluster 最多可新增 20 个 workergroup。

五、资源组通用配置

·开启状态：该功能默认关闭，开启后你可以进一步配置文件存储（CFS）或对象存储（COS），这部分配置将在全部 workergroup 中生效。

六、高级配置

·依赖外部组件：开启后，可关联已有集群中部署的外部组件。由于所选组件部署在其他集群中，提供依赖组件的集群将无法直接销毁，需提前销毁依赖集群。详情请参见组件配置共享。

·Token 鉴权：开启后，访问 RayCluster 时需通过系统自动生成的 Token 进行身份鉴权，该配置仅在创建阶段生效，RayCluster 创建完成后不支持开启或关闭状态变更。建议开启。

七、完成创建

完成上述配置，提交后可在右上角任务中心查看创建进度。

八、RayCluster 管理与维护（表单）

在 RayCluster 创建完成后，你可以通过控制台实现对集群的维护、配置、管理。

九、集群列表运维

在 RayCluster 列表页面，你可以管理实例运行概况并执行集群维度的维护操作。

·列表显示集群名称、Pod 数量、创建时间等基本信息。

·支持对 RayCluster 执行重启、销毁等操作。重启操作将重新拉起相关服务，导致当前运行中的作业失败，请在评估业务影响后执行；销毁操作将释放 RayCluster 关联的计算与存储资源，执行后运行中或未提交的任务将无法恢复。

十、监控与作业观测

在列表页点击名称进入详情页后，可以查看集群资源使用情况。

·在监控视图 Tab 中，可以查看硬件指标和软件指标。

·详情页上方点击 WebUI，获取任务拓扑结构、执行日志以及 Pod 运行细节。

十一、配置管理

在详情页中，当前支持对高级配置、自定义镜像以及资源组通用等配置进行更新。

十二、资源组规格与管理

·支持查看各资源组的 CPU、内存、GPU 规格及 Pod 数量。

·支持新增 workergroup，单个 RayCluster 最多可创建 20 个 workergroup。

·workergroup 支持修改 Pod 规格、Pod 数量及相关参数配置；headgroup 支持修改 Pod 规格及参数配置。

·支持重启 headgroup 或指定的 workergroup。重启操作将重新拉起该资源组下的所有 Pod，将影响当前正在运行的作业，请谨慎执行。