kuberay

收录理由

采用Ray做分布式训练和推理的团队，常常发现自己要重复编写同一套Kubernetes底层逻辑：维护集群存活的控制器、等待资源就绪后提交任务的执行器。KubeRay这个算子把这些工作打包成了三个自定义资源定义。RayCluster负责集群的创建、删除、自动扩缩容和故障容错；RayJob会在集群就绪时自动拉起一个集群并提交任务，任务结束后还能按配置自动销毁集群；RayService则将集群与Ray Serve部署图结合，让升级过程不中断服务。如果你运营共享GPU资源池，光是任务提交这一条链路就值得一看——从提交到清理，整个流程都不需要自己写控制器逻辑。对于不想手写YAML的用户，kubectl插件也覆盖了常见的操作流程。