Gérer les dépendances avec runtime_env

Ray runtime_env installe les packages pip et envoie un répertoire de travail au cluster au moment de l'exécution. Vous ajoutez une dépendance sans reconstruire une image de conteneur, ce qui accélère le développement interactif.

Injecter des dépendances de manière interactive

Passer runtime_env àray.init(). Ray installe les packages et télécharge le répertoire de travail sur le cluster avant l'exécution de votre code.

import ray

ray.init(runtime_env={
    "pip": ["pandas==2.2.2", "scikit-learn"],
    "working_dir": "./src",
})

Injecter des dépendances pour une tâche soumise

Pour une tâche que vous soumettez depuis la ligne de commande, transmettez le même environnement avec --working-dir et--runtime-env-json.

ray job submit \
    --address sagemaker_ray://my-cluster/my-namespace \
    --working-dir ./src \
    --runtime-env-json '{"pip": ["pandas==2.2.2", "scikit-learn"]}' \
    -- python my-script.py

Pour l'ensemble complet des runtime_env champs, y compris les environnements conda et les variables d'environnement, consultez la section Environnements d'exécution Ray dans la documentation Ray.