Ray 学习笔记，建立最新学习环境 （setup tutorial environment）

Ray 是 UC berkley 提出的分布式机器学习。sklearn 是运行在单机上的机器学习，虽然支持多线程，但分布式并不支持。Ray 也支持 tensorflow，pytorch 和其他机器学习包。本博客是帮助初学者建立学习环境，依据的博文是3个，1个是 英文版的官方建立环境的材料 https://github.com/anyscale/academy，2）是笔者在国内自己建立环境所遇到的问题及其解决方案的博客，3）安装和建立jupyter工具，这样初学者可以少走弯路。

1. 前提条件

笔者的centOS 是8.3版本，其实centOS 8 版本以上的都可以，假设机器是初建立的，就是还没有装上各种软件的。并且初学者是在大陆的，访问外网有困难的。

下载 

• Anaconda3-2020.11-Linux-x86_64.sh，anaconda 下载的安装包
• academy-main.zip，github的代码zip下载包，

2. 步骤

A。安装Anaconda 

       安装anaconda是很直接的，笔者下载的是Anaconda3-2020.11-Linux-x86_64.sh，

sh Anaconda3-2020.11-Linux-x86_64.sh
           

遇到提问，如果是yes/no 的选择，都键入yes，如果是提问是否继续，键入 Enter(回车键),  遇到授权许可，按翻页键就是，总之，不要输入no。最后，提问时需不需要初始化base开发环境，输入yes。

安装完毕，退出exit，然后重新登入。这时，会有以下 提示符出现，

(base) [[email protected] ~]$
           

B。建立 anyscale-academy环境

在用户目录下，unzip academy-main.zip 压缩文件，

(base) [[email protected] ~]$ unzip academy-main.zip 
           

然后，进入 academy-main目录，

(base) [[email protected] ~]$ cd academy-main
           

敲入建立 环境名anyscale-academy 的命令：

(base) [[email protected] academy-main]$ conda env create -f environment.yml
           

这个过程比较慢，如果刚建立的虚拟机不能访问互联网，甚至是国内的网络，基本上是DNS配置，开始一些Linux环境的配置，加入nameserver，国内是114.114.114.114 dns服务器

(base) [[email protected] ~]$sudo vi /etc/resolv.conf
nameserver 114.114.114.114
           

初学者可以看看environment.yml 语法，这在先前的博客已经描述了。安装环境到environment.yml文件的pip下的python软件包很慢，或干脆就断了。不要紧的，因为依赖包在pip管辖下的镜像源在国外，可以用国内的，国内的当数阿里云的最快。版本如果没有，就选择当前最新的就可以了。不管怎样，先进入anyscale-academy 环境，

(base) [[email protected] ~]$ conda activate anyscale-academy

(anyscale-academy) [[email protected] academy-main]$
           

 然后，我们先做一个辅助动作，因为按装ray先前先需要的，

(anyscale-academy) [[email protected] academy-main]$ sudo yum install -y python3-devel
           

现在安装ray，比如我们要安装ray[all], 输入以下命令就可以，注意使用阿里云的镜像源，用-i的标识符：

#pip install -i https://mirrors.aliyun.com/pypi/simple/ 要下的包名
 
pip install -i https://mirrors.aliyun.com/pypi/simple/ ray[all]
           

我们截选一些environment.yml文件下的pip段：

name: anyscale-academy
channels:
  - conda-forge
  - pyviz
dependencies:
  - python=3.7
  - pip
...
  - nodejs
  - pip:
    - ray[all] >= 1.2
    - tensorboard >= 2.3
    - tensorflow >= 2.3
    - atoma
    - box2d-py
           

读者只需一个一个用阿里云的镜像安装pip下的python包。

安装完毕，整个anyscale-academy的环境就全部安装成功了。

C。定制化的补充命令

在 academy-main目录下，敲入

(anyscale-academy) [[email protected] academy-main]$ sh tools/fix-jupyter.sh
           

D。潜在的需要的命令：

现在您可以打开jupyter工具了

(anyscale-academy) [[email protected] academy-main]$ jupyter lab
           

但你会可能会遇到问题，如果没有，恭喜，您就可以使用学习环境了，但也可能有问题。比如：

/usr/lib64/xxx/tornado/netutil.py", line 196, in bind_sockets sock.bind(sockaddr)
OSError: [Errno 99] Cannot assign requested address
           

如果您遇到麻烦，激活IPv6，在安装ray环境经常遇到的问题博客里已经提及，

# 激活IPv6
sudo sysctl -w net.ipv6.conf.all.disable_ipv6=0
sudo sysctl -w net.ipv6.conf.default.disable_ipv6=0
           

同时，关闭firewalld，

systemctl status firewalld
# 防火墙工作状态: active (running) since Fri 2021-03-19 10:17:27 CST; 4 days ago  
# 拆卸防火墙: inactive (dead) since Tue 2021-03-23 10:58:10 CST; 3s ago
 
systemctl stop fiewalld
           

如果还是不能按照 jupyter lab的输出，在windows访问jupyter，看看下面的步骤：

创建在/etc/hosts 文件里加入一条记录：

...
192.168.1.231 localhost
           

在chrome浏览器，输入jupyter lab输出的地址，而不是下面截图的地址，

现在基本上，读者建立了学习环境，后续，我们在介绍怎样使用学习材料。

E。其他

本文写于 2021年4月15日