91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
使用Ray構(gòu)建可擴展的Python應(yīng)用
使用Ray構(gòu)建可擴展的Python應(yīng)用
Holden Karau, Boris Lublinsky 著
高曉明, 馮煒 譯
出版時間：2024年11月
頁數(shù)：280
“本書是一份簡明實用的指南，幫助你采用并有效使用Ray。憑借多年在數(shù)據(jù)系統(tǒng)和分布式計算領(lǐng)域的行業(yè)經(jīng)驗，Holden和Boris提供了Ray用戶所需的必備指南?！?br /> ——Dean Wampler, PhD工程總監(jiān)，加速研究平臺，IBM研究院

無服務(wù)器計算使開發(fā)人員可以專注于他們的應(yīng)用程序，而不必?fù)?dān)心它們部署在哪里。使用Python中的Ray通用無服務(wù)器實現(xiàn)，程序員和數(shù)據(jù)科學(xué)家可以隱藏服務(wù)器，實現(xiàn)有狀態(tài)應(yīng)用程序，支持任務(wù)之間的直接通信，并訪問硬件加速器。
在這本書中，經(jīng)驗豐富的軟件架構(gòu)實踐者Holden Karau和Boris Lublinsky展示了如何擴展現(xiàn)有的Python應(yīng)用程序和管道，讓你能夠留在Python生態(tài)系統(tǒng)中，同時減少單點故障和手動調(diào)度的情況。對于那些渴望探索成功案例并了解決策和測量效果的軟件架構(gòu)師和開發(fā)人員來說，使用Ray擴展Python應(yīng)用是理想的選擇。
如果你的數(shù)據(jù)處理或服務(wù)器應(yīng)用程序已經(jīng)超出了單臺計算機的處理能力，那么這本書就是為你準(zhǔn)備的。你將探索分布式處理（純Python的無服務(wù)器實現(xiàn)），并學(xué)習(xí)如何：
● 使用Ray actor實現(xiàn)有狀態(tài)應(yīng)用程序。
● 在Ray中構(gòu)建工作流管理。
● 將Ray用作批處理和流處理的統(tǒng)一系統(tǒng)。
● 使用Ray進(jìn)行高級數(shù)據(jù)處理。
● 使用Ray構(gòu)建微服務(wù)。
● 實現(xiàn)可靠的Ray應(yīng)用程序。
  1. 序
  2. 前言
  3. 第1章 什么是Ray，它適合什么場景
  4. 1.1 你為什么需要Ray
  5. 1.2 你可以在哪里運行Ray
  6. 1.3 用Ray運行你的代碼
  7. 1.4 Ray在生態(tài)系統(tǒng)中的位置
  8. 1.4.1 大數(shù)據(jù)/可擴展數(shù)據(jù)幀
  9. 1.4.2 機器學(xué)習(xí)
  10. 1.4.3 工作流調(diào)度
  11. 1.4.4 流處理
  12. 1.4.5 交互式
  13. 1.5 Ray不適用于什么
  14. 1.6 總結(jié)
  15. 第2章 開始使用Ray（本地）
  16. 2.1 安裝
  17. 2.1.1 為x86和M1 ARM安裝
  18. 2.1.2 為ARM安裝（源碼安裝）
  19. 2.2 Hello World
  20. 2.2.1 Ray遠(yuǎn)程函數(shù)（任務(wù)/Futures對象）Hello World
  21. 2.2.2 Data Hello World
  22. 2.2.3 actor Hello World
  23. 2.3 總結(jié)
  24. 第3章 遠(yuǎn)程函數(shù)
  25. 3.1 Ray遠(yuǎn)程函數(shù)的基本原理
  26. 3.2 遠(yuǎn)程Ray函數(shù)的組合
  27. 3.3 Ray遠(yuǎn)程函數(shù)的最佳實踐
  28. 3.4 綜合示例
  29. 3.5 總結(jié)
  30. 第4章 遠(yuǎn)程actor
  31. 4.1 理解Actor模型
  32. 4.2 創(chuàng)建一個基礎(chǔ)的Ray遠(yuǎn)程actor
  33. 4.3 實現(xiàn)actor的持久化
  34. 4.4 擴展Ray遠(yuǎn)程actor
  35. 4.5 Ray遠(yuǎn)程actor的最佳實踐
  36. 4.6 總結(jié)
  37. 第5章 Ray設(shè)計細(xì)節(jié)
  38. 5.1 容錯性
  39. 5.2 Ray對象
  40. 5.3 序列化/pickling
  41. 5.3.1 cloudpickle
  42. 5.3.2 Apache Arrow
  43. 5.4 資源/垂直擴展
  44. 5.5 自動縮放器
  45. 5.6 放置組：組織任務(wù)和actor
  46. 5.7 命名空間
  47. 5.8 運行時環(huán)境中的依賴關(guān)系管理
  48. 5.9 使用Ray Job API部署Ray應(yīng)用程序
  49. 5.10 總結(jié)
  50. 第6章 實現(xiàn)流式應(yīng)用
  51. 6.1 Apache Kafka
  52. 6.1.1 Kafka基本概念
  53. 6.1.2 Kafka API
  54. 6.2 將Kafka與Ray集成
  55. 6.3 擴展我們的實現(xiàn)
  56. 6.4 使用Ray構(gòu)建流處理應(yīng)用程序
  57. 6.4.1 基于鍵的實現(xiàn)
  58. 6.4.2 鍵獨立方法
  59. 6.5 超越Kafka
  60. 6.6 總結(jié)
  61. 第7章 實現(xiàn)微服務(wù)
  62. 7.1 理解Ray中的微服務(wù)架構(gòu)
  63. 7.1.1 部署
  64. 7.1.2 部署的附加功能
  65. 7.1.3 部署組合
  66. 7.2 使用Ray Serve進(jìn)行模型服務(wù)
  67. 7.2.1 簡單模型服務(wù)示例
  68. 7.2.2 模型服務(wù)實現(xiàn)的注意事項
  69. 7.2.3 基于Ray微服務(wù)框架的推測模型服務(wù)
  70. 7.3 總結(jié)
  71. 第8章 Ray工作流
  72. 8.1 什么是Ray工作流？
  73. 8.2 它與其他解決方案有何不同？
  74. 8.3 Ray工作流功能
  75. 8.3.1 有哪些主要功能
  76. 8.3.2 工作流原語
  77. 8.4 基本工作流概念實戰(zhàn)
  78. 8.4.1 工作流、步驟和對象
  79. 8.4.2 動態(tài)工作流
  80. 8.4.3 虛擬actor
  81. 8.5 工作流在現(xiàn)實生活中的應(yīng)用
  82. 8.5.1 構(gòu)建工作流
  83. 8.5.2 管理工作流
  84. 8.5.3 構(gòu)建動態(tài)工作流
  85. 8.5.4 構(gòu)建具有條件步驟的工作流
  86. 8.5.5 處理異常
  87. 8.5.6 處理持久性保證
  88. 8.5.7 用虛擬actor來擴展動態(tài)工作流
  89. 8.5.8 與其他Ray原語集成工作流
  90. 8.5.9 觸發(fā)工作流（連接到事件）
  91. 8.5.10 工作流元數(shù)據(jù)
  92. 8.6 總結(jié)
  93. 第9章 Ray的高級數(shù)據(jù)處理
  94. 9.1 創(chuàng)建和保存Ray數(shù)據(jù)集
  95. 9.2 使用Ray數(shù)據(jù)集與不同工具協(xié)同工作
  96. 9.3 在Ray數(shù)據(jù)集上使用工具
  97. 9.3.1 類pandas的DataFrames與Dask
  98. 9.3.2 索引
  99. 9.3.3 洗牌
  100. 9.3.4 易并行計算操作
  101. 9.3.5 處理多個DataFrame
  102. 9.3.6 無法正常工作的功能
  103. 9.3.7 速度較慢的情況
  104. 9.3.8 處理遞歸算法
  105. 9.3.9 其他功能的不同之處
  106. 9.3.10 類似pandas的Modin DataFrames
  107. 9.3.11 使用Spark處理大數(shù)據(jù)
  108. 9.3.12 使用本地工具進(jìn)行處理
  109. 9.4 使用Ray數(shù)據(jù)集內(nèi)置操作
  110. 9.5 使用Ray實現(xiàn)數(shù)據(jù)集
  111. 9.6 總結(jié)
  112. 第10章 Ray如何助力機器學(xué)習(xí)
  113. 10.1 scikit-learn與Ray結(jié)合使用
  114. 10.2 Boosting算法與Ray結(jié)合使用
  115. 10.2.1 使用XGBoost
  116. 10.2.2 使用LightGBM
  117. 10.3 PyTorch與Ray結(jié)合使用
  118. 10.4 強化學(xué)習(xí)與Ray結(jié)合
  119. 10.5 超參數(shù)調(diào)優(yōu)與Ray結(jié)合
  120. 10.6 總結(jié)
  121. 第11章 在Ray中使用GPU和加速器
  122. 11.1 GPU的優(yōu)勢
  123. 11.2 構(gòu)建模塊
  124. 11.3 高級庫
  125. 11.4 獲取和釋放GPU及加速器資源
  126. 11.5 Ray的機器學(xué)習(xí)庫
  127. 11.6 使用GPU和加速器的自動縮放器
  128. 11.7 CPU回退設(shè)計模式
  129. 11.8 其他（非GPU）加速器
  130. 11.9 總結(jié)
  131. 第12章 Ray在企業(yè)中的部署
  132. 12.1 Ray依賴項安全問題
  133. 12.2 與現(xiàn)有工具的交互
  134. 12.3 將Ray與CI/CD工具結(jié)合使用
  135. 12.4 Ray的身份驗證
  136. 12.5 Ray的多租戶
  137. 12.6 數(shù)據(jù)源的憑證
  138. 12.7 永久集群與臨時集群
  139. 12.7.1 臨時集群
  140. 12.7.2 永久集群
  141. 12.8 監(jiān)控
  142. 12.9 用Ray指標(biāo)檢測你的代碼
  143. 12.10 用Ray包裝自定義程序
  144. 12.11 總結(jié)
  145. 附錄A 太空海貍案例研究：actor、Kubernetes等
  146. 附錄B 安裝和部署Ray
  147. 附錄C 使用Ray進(jìn)行調(diào)試
書名：使用Ray構(gòu)建可擴展的Python應(yīng)用
譯者：高曉明, 馮煒 譯
國內(nèi)出版社：中國電力出版社
出版時間：2024年11月
頁數(shù)：280
書號：978-7-5198-9177-0
原版書書名：Scaling Python with Ray
原版書出版商：O'Reilly Media
Holden Karau
 
Holden Karau是一位加拿大人，在IBM的Spark技術(shù)中心擔(dān)任軟件開發(fā)工程師。同時作為一位Spark committer，經(jīng)常在PySpark和機器學(xué)習(xí)方面進(jìn)行貢獻(xiàn)。另外曾在多次國際會議中發(fā)表關(guān)于Spark的演講。
Databricks的軟件開發(fā)工程師，活躍于開源社區(qū)。她還著有《Spark快速數(shù)據(jù)處理》。
 
 
Boris Lublinsky
 
Boris Lublinsky是Lightbend的首席架構(gòu)師。
 
 
本書的封面動物是一只斑點海雕魴（學(xué)名：Aetobatus narinari），因其背部斑點和優(yōu)雅的飛行般游姿而得名。這種軟骨魚通常單獨生活，偶爾也會成小群活動，分布于大西洋、太平洋和印度洋的熱帶地區(qū)。
斑點海雕魴身體寬大扁平，尾巴很長（比其他鰩魚的尾巴都要長），體重可達(dá)驚人的500磅。它們以雙殼類、螃蟹、軟體動物、甲殼類和魚類為食，經(jīng)常用它們像鴨嘴一樣的吻部在海底挖掘?qū)ふ疫@些小型海洋生物。這種拱掘行為在鰩魚中是獨一無二的。
斑點海雕魴是卓越的游泳者，大部分時間都在開闊水域游弋，不過人類最常在海灣和珊瑚礁附近觀察到它們。據(jù)說這些鰩魚會利用沖刺的動作把自己推進(jìn)水面上，甚至有好幾次有它們跳上船甚至落在人身上的記錄。
雖然它們的主要天敵是鯊魚，但他們在水面附近游泳的行為使它們特別容易受到刺網(wǎng)捕魚的影響，這也是導(dǎo)致其數(shù)量急劇下降的部分原因。因此，國際自然保護(hù)聯(lián)盟將斑點海雕魴列為瀕危物種。
購買選項
定價：88.00元
書號：978-7-5198-9177-0
出版社：中國電力出版社