运行基础 Ray Job

本文介绍如何在 ACK 集群上通过 KubeRay 运行 Ray Job，包含两种方式：

  1. 向一个已存在的 RayCluster 提交 Ray Job
  2. 新建 RayCluster 运行 Ray Job（任务结束后集群自动清理）

示例代码通过 Kubernetes ConfigMap 保存并挂载到 Ray Pod 中，无需重新构建镜像。

前提条件

1. 将示例代码存入 ConfigMap

Ray Job 的入口命令是 python /home/ray/job/ray_job_sample.py。脚本通过 ray.init(address="auto") 自动连接 Ray 集群，用 Ray 远程任务计算 [1, 2, 3, 4, 5] 的平方，再用 Ray Actor 求和。

直接从本地文件创建 ConfigMap（data key 为文件名 ray_job_sample.py）：

kubectl create configmap ray-job-code --from-file=ray_job_sample.py

预期输出：

configmap/ray-job-code created

ConfigMap 挂载到 Ray Pod 的 /home/ray/job，因此脚本位于 /home/ray/job/ray_job_sample.py。

2. 方法一：向已存在的 RayCluster 提交 Ray Job

ray-job-existing-cluster.yaml 包含两部分：

  1. 名为 demo-ray-cluster 的 RayCluster，示例代码 ConfigMap 挂载在 head Pod 的 /home/ray/job，并带有标签 ray.io/cluster: demo-ray-cluster
  2. 一个通过 clusterSelector 定位该集群的 RayJob（不会新建 RayCluster）

如果你已有运行中的 RayCluster，只保留 RayJob 部分即可，但需要确保 ConfigMap 已挂载到其 head Pod，且集群带有 clusterSelector 使用的标签。

kubectl apply -f ray-job-existing-cluster.yaml

预期输出：

raycluster.ray.io/demo-ray-cluster created
rayjob.ray.io/rayjob-existing-cluster created

RayJob 会先处于 Initializing 状态等待集群就绪，然后提交任务：

kubectl get rayjob rayjob-existing-cluster

预期输出（Job ID 每次运行不同）：

NAME                      JOB STATUS   DEPLOYMENT STATUS   RAY CLUSTER NAME   START TIME             END TIME               AGE
rayjob-existing-cluster   SUCCEEDED    Complete            demo-ray-cluster   2026-08-14T07:43:21Z   2026-08-14T07:45:23Z   2m3s

通过 submitter Pod 日志查看任务输出：

kubectl logs job/rayjob-existing-cluster

预期输出（节选）：

numbers: [1, 2, 3, 4, 5]
squares: [1, 4, 9, 16, 25]
total: 55
Job 'rayjob-existing-cluster-bq5pj' succeeded

由于 shutdownAfterJobFinishes 为 false，任务结束后已有集群继续运行。

3. 方法二：新建 RayCluster 运行 Ray Job

ray-job-new-cluster.yaml 将整个集群定义内嵌在 RayJob 中（rayClusterSpec）。Operator 会创建一个以 RayJob 命名的 RayCluster（1 个 head + 1 个 worker），提交任务，并在任务结束后自动关闭集群。

kubectl apply -f ray-job-new-cluster.yaml

预期输出：

rayjob.ray.io/rayjob-new-cluster created

集群创建过程中 RayJob 处于 Initializing 状态：

kubectl get rayjob rayjob-new-cluster

预期输出：

NAME                 JOB STATUS   DEPLOYMENT STATUS   RAY CLUSTER NAME           START TIME             END TIME   AGE
rayjob-new-cluster                Initializing        rayjob-new-cluster-4jw7m   2026-08-14T07:45:49Z              5s

等待任务完成并查看结果：

kubectl wait --for=condition=complete job/rayjob-new-cluster --timeout=300s
kubectl get rayjob rayjob-new-cluster

预期输出：

NAME                 JOB STATUS   DEPLOYMENT STATUS   RAY CLUSTER NAME           START TIME             END TIME               AGE
rayjob-new-cluster   SUCCEEDED    Complete            rayjob-new-cluster-4jw7m   2026-08-14T07:45:49Z   2026-08-14T07:46:25Z   37s

由于 shutdownAfterJobFinishes 为 true，任务成功后 RayCluster 的 Pod 会被自动删除：

kubectl get pods -l ray.io/cluster=rayjob-new-cluster-4jw7m

预期输出：

No resources found in default namespace.

4. 查看 Ray Job 运行状态

查看所有 RayJob 及其状态：

kubectl get rayjobs

查看单个 RayJob 的详细信息（Dashboard 地址、提交 ID、集群名等）：

kubectl describe rayjob rayjob-existing-cluster

Status:
  Dashboard URL:         demo-ray-cluster-head-svc.default.svc.cluster.local:8265
  Job Deployment Status: Complete
  Job Id:                rayjob-existing-cluster-bq5pj
  Job Status:            SUCCEEDED
  Message:               Job finished successfully.
  Ray Cluster Name:      demo-ray-cluster

从 Ray 集群内部（head Pod）查看任务：

HEAD_POD=$(kubectl get pod -l ray.io/node-type=head -l ray.io/cluster=demo-ray-cluster -o jsonpath='{.items[0].metadata.name}')
kubectl exec -it $HEAD_POD -- ray job list
kubectl exec -it $HEAD_POD -- ray job logs rayjob-existing-cluster-bq5pj

清理 

kubectl delete -f ray-job-existing-cluster.yaml
kubectl delete -f ray-job-new-cluster.yaml
kubectl delete configmap ray-job-code