前言我們撰寫本書的初衷是為開發(fā)人員和數(shù)據(jù)科學家提供幫助，讓他們無需成為系統(tǒng)管理員即可使用Python 構建和擴展應用程序。對于那些需要處理日益復雜和龐大問題的個人和團隊來說，本書將是很有益的，這些問題從單線程解決方案發(fā)展到多線程，一直到分布式計算。盡管你可以在Java 中使用Ray，但本書使用Python，我們假設讀者對Python生態(tài)系統(tǒng)有一定了解。如果你不熟悉Python，推薦你閱讀OReilly 出版的優(yōu)秀書籍，例如Mark Lutz 的《Learning Python》和Wes McKinney 的《Python for Data Analysis》。無服務器是一個流行詞，盡管其名稱如此，但無服務器模型實際上仍然需要大量的服務器，只不過你不必顯式地管理它們。對于許多開發(fā)人員和數(shù)據(jù)科學家來說，無需擔心服務器細節(jié)即可神奇地擴展應用程序的前景非常誘人。另外，如果你喜歡深入研究服務器的細節(jié)、部署機制和負載均衡器，那么本書可能不太適合你，但我們希望你能將本書推薦給你的同事們。你將學到什么通過閱讀本書，你將學習如何利用現(xiàn)有的Python 技能使程序能夠擴展到單個機器之外。你將學習分布式計算的技術，從遠程過程調(diào)用到actor，一直到分布式數(shù)據(jù)集和機器學習。我們將在附錄A 中用一個接近真實的例子結束本書，該例子使用許多這些技術來構建可擴展的后端，同時與基于Python 的Web 應用程序集成并部署在Kubernetes 上。關于責任俗話說，能力越大，責任越大。Ray 等工具使你能夠構建處理更多數(shù)據(jù)和用戶的更復雜系統(tǒng)。重要的是不要因為解決問題有趣而過于興奮和沖動，要停下來思考你決策的影響。你無需花費很多功夫就可以找到一些關于善意工程師和數(shù)據(jù)科學家意外構建模型或工具的故事，這些模型或工具造成了毀滅性的影響，例如破壞了某國退伍軍人事務部的新支付系統(tǒng)，或者使用了基于性別的歧視性招聘算法。我們要求你在使用新獲得的能力時牢記這一點，因為沒有人愿意因為錯誤的原因而出現(xiàn)在教科書上。排版約定本書采用以下排版約定。斜體（Italic）表示新術語、URL、電子郵件地址、文件名和文件擴展名。等寬字體（Constant Width）表示程序清單，在段落內(nèi)表示程序元素，例如變量、函數(shù)名稱、數(shù)據(jù)庫、數(shù)據(jù)類型、環(huán)境變量、語句和關鍵字。斜體等寬字體（Constant width italic）表示應該替換成用戶提供值的文本，或者由上下文決定的值。許可一旦以印刷品的形式出版，并且不包括OReilly 的獨特設計元素（即封面藝術、設計格式、外觀和感覺）或OReilly 的商標、服務標志和商業(yè)名稱，本書則適用知識共享署名 非商業(yè)性 禁止演繹作品4.0 國際公共許可證（https://oreil.ly/z976G）。我們感謝OReilly 允許我們根據(jù)知識共享許可證提供本書。我們希望你選擇通過使用你的公司費用賬戶多本幾本書來支持本書（和作者）（這將是即將到來的下一個假日季節(jié)的絕佳禮物）。使用代碼示例Scaling Python Machine LearningGitHub 代碼庫（https://oreil.ly/scalingpython-with-ray-code）包含了本書的大部分示例。本書中的大多數(shù)示例都位于ray_examples 目錄中。有關Dask on Ray 的示例位于dask 目錄中，有關Spark on Ray 的示例位于spark 目錄中。如果你對使用代碼示例有任何技術問題，請發(fā)送電子郵件至bookquestions@oreilly.com。本書是要幫你完成工作的。一般來說，如果本書提供了示例代碼，你可以把它用在你的程序或文檔中。除非你使用了很大一部分代碼，否則無需聯(lián)系我們獲得許可。比如，用本書的幾個代碼片段寫一個程序就無需獲得許可，銷售或分發(fā)OReilly 圖書的示例集則需要獲得許可；引用本書中的示例代碼回答問題無需獲得許可，將書中大量的代碼放到你的產(chǎn)品文檔中則需要獲得許可。我們很希望但并不強制要求你在引用本書內(nèi)容時加上引用說明。引用說明一般包括書名、作者、出版社和ISBN，例如：Scaling Python with Ray by Holden Karau and Boris Lublinsky (OReilly). Copyright 2023 Holden Karau and Boris Lublinsky, 978-1-098-11880-8。如果你覺得自己對示例代碼的使用超出了上述許可范圍，請通過permissions@oreilly.com 與我們聯(lián)系。OReilly 在線學習平臺（OReilly Online Learning）近40 年來，OReilly Media 致力于提供技術和商業(yè)培訓、知識和卓越見解，來幫助眾多公司取得成功。公司獨有的專家和改革創(chuàng)新者網(wǎng)絡通過OReilly 書籍、文章以及在線學習平臺，分享他們的專業(yè)知識和實踐經(jīng)驗。OReilly 在線學習平臺按照您的需要提供實時培訓課程、深入學習渠道、交互式編程環(huán)境以及來自OReilly 和其他200 多家出版商的大量書籍與視頻資料。更多信息，請訪問網(wǎng)站：https://www.oreilly.com。聯(lián)系我們?nèi)魏斡嘘P本書的意見或疑問，請按照以下地址聯(lián)系出版社。美國：OReilly Media, Inc.1005 Gravenstein Highway NorthSebastopol, CA 95472中國：北京市西城區(qū)西直門南大街2 號成銘大廈C 座807 室（100035）奧萊利技術咨詢（北京）有限公司勘誤、示例和其他信息可訪問https://oreil.ly/scaling-python-ray 獲取。對本書的評論或技術疑問，可以發(fā)電子郵件到errata@oreilly.com.cn。欲了解本社圖書和課程的新聞和信息，請訪問我們的網(wǎng)站http://oreilly.com。我們的LinkedIn：https://linkedin.com/company/oreilly-media。我們的Twitter：https://twitter.com/oreillymedia。我們的YouTube：https://youtube.com/oreillymedia。致謝我們要感謝Carlos Andrade Costa，他與我們共同編寫了第8 章。如果沒有本書所依托的社區(qū)，這本書將無法完成。感謝Ray/Berkeley 社區(qū)和PyData 社區(qū)。感謝所有早期讀者和審稿人的貢獻和指導。這些審稿人包括Dean Wampler、Jonathan Dinu、Adam Breindel、Bill Chambers、Trevor Grant、Ruben Berenguel、Michael Behrendt 等。特別感謝Ann Spencer 審閱了最終成書前的早期提案，這些提案最終形成了這本書和Holden 與Mika Kimmin 合著的《Scaling Python with Dask》（OReilly）。衷心感謝OReilly 的編輯和制作團隊，特別是Virginia Wilson 和Gregory Hyman，幫助我們整理寫作并不懈努力地減少錯誤、錯別字等。任何剩余的錯誤都是作者的責任，有時是違背審稿人和編輯的建議。來自Holden我還要感謝我的妻子和伴侶們，他們?nèi)萑涛议L時間泡在浴缸里的寫作時光。特別感謝Timbit 守護房子，并給了我起床的理由（盡管往往比我喜歡的時間早了一點）。來自Boris我還要感謝我的妻子Marina，她容忍了我長時間的寫作，并且有時因為寫作而忽略了她好幾個小時。感謝我在IBM 的同事們，進行了許多有成效的討論，幫助我更好地理解Ray 的強大功能。