Ray是否提供声明式/函数式接口实现远程函数的迭代器映射？

API 探路者

2026-6-22

当前代码

#!/usr/bin/env python3
# encoding: utf-8
"""Demonstration of Ray parallelism"""
import ray
from typing import Iterator
ray.init()
@ray.remote
def square(n:int)->int:
    return n*n

references: Iterator[ray.ObjectRef] = map(lambda val: square.remote(val),
                                                    range(10))
ray.get([*references])
ray.shutdown()

这段代码本质上实现了Ray版本的map(square, range(10))功能。

问题

对于这种标准且常见的模式，上述实现过于冗长。请问Ray是否提供更具声明式/函数式风格的API来实现上述功能？除map外，最好还支持filter、reduce等操作。

Ray确实提供了更简洁的声明式/函数式API来处理这类并行操作，核心是Ray Data模块（原Ray Dataset），它专为批量数据处理设计，支持map、filter、reduce等常见函数式操作，写法贴近原生Python风格，同时自动完成并行化执行。

并行map实现示例

#!/usr/bin/env python3
import ray

ray.init()

def square(n: int) -> int:
    return n * n

# 创建数据集并执行并行map
ds = ray.data.from_items(range(10))
result = ds.map(square).take_all()
print(result)

ray.shutdown()

filter操作示例

筛选偶数后再执行平方：

import ray

ray.init()

def square(n: int) -> int:
    return n * n

def is_even(n: int) -> bool:
    return n % 2 == 0

ds = ray.data.from_items(range(10))
result = ds.filter(is_even).map(square).take_all()
print(result)  # 输出: [0, 4, 16, 36, 64]

ray.shutdown()

reduce操作示例

计算所有平方值的总和：

import ray

ray.init()

def square(n: int) -> int:
    return n * n

def sum_accumulator(a: int, b: int) -> int:
    return a + b

ds = ray.data.from_items(range(10))
total = ds.map(square).reduce(sum_accumulator)
print(total)  # 输出: 285

ray.shutdown()