序

过去10年，机器学习和数据应用程序的计算需求不断攀升，即使运用了GPU和TPU等硬件加速器，计算量也远远超过了单台服务器或单个处理器的能力。而且，这种趋势愈演愈烈，迫使人们只能选择进行分布式处理。不过，创建分布式应用程序一向都是非常困难的。

在过去几年中，Ray已经成为开发分布式应用程序的首选框架，因为它拥有灵活的内核和一套强大的库，使开发人员能够轻松扩展各种工作负载，包括训练、超参数调优、强化学习（Reinforcement Learning，RL）、模型服务和非结构化数据的批处理。Ray是当下非常受欢迎的开源项目，已有上千家公司利用Ray开发机器学习平台、推荐系统、欺诈检测、大模型等各种应用，其中就包括Open AI大名鼎鼎的ChatGPT。

在这本书中，Max Pumperla、Edward Oakes和Richard Liaw用通俗易懂的示例全面介绍了Ray。通过阅读本书，读者将掌握Ray的关键概念和方法，并能从笔记本计算机扩展到本地或云端的大型集群，开发并快速扩展端到端的机器学习应用程序。