Mac M1 Docker容器中Ray远程函数执行LocalRayletDiedError报错求助

针对你在Mac M1通过Rosetta 2模拟x86_64容器运行Ray 2.6.3时遇到的LocalRayletDiedError，以下是几个可行的解决方向：

• 降级gRPC版本适配Ray 2.6.3
  当前使用的grpcio 1.57.0可能与Ray 2.6.3在x86_64模拟环境下存在兼容性冲突，Ray 2.6.3官方推荐的稳定gRPC版本为1.53.0，执行以下命令调整：

  pip uninstall -y grpcio grpcio-tools
  pip install grpcio==1.53.0 grpcio-tools==1.53.0
  

  卸载时确保清理所有相关依赖，避免版本残留导致冲突。

• 明确指定Ray的CPU资源
  Rosetta 2的CPU资源调度在模拟环境下可能存在异常，启动Ray时手动指定CPU数量，避免自动检测的偏差：
  在Python代码中初始化：

  ray.init(num_cpus=2)
  

  或者通过命令行启动Ray head节点时指定：

  ray start --head --num-cpus=2
  

  可以先尝试num_cpus=1验证是否能正常运行，再逐步调整到2核。

• 调整Docker容器的CPU配额
  确保容器分配了足够的CPU资源，避免因资源不足导致Ray agent被系统终止，运行容器时增加CPU限制：

  docker run --cpus=2 --platform linux/x86_64 -it dev_container
  

  根据实际需求调整--cpus参数值，确保容器CPU资源充足。

• 升级Ray到兼容版本
  Ray 2.6.3在Apple Silicon的x86_64模拟环境下可能存在未修复的bug，尝试升级到Ray 2.8.0及以上版本，这些版本对Rosetta 2环境的兼容性更好：

  pip install -U ray==2.8.0
  

• 排查Ray Agent退出的具体原因
  开启Ray的DEBUG日志，获取更详细的agent退出信息，帮助定位问题：
  通过环境变量设置：

  export RAY_DEBUG=1
  ray start --head --num-cpus=2
  

  或者在Python代码中初始化时指定日志级别：

  import ray
  ray.init(logging_level="debug")
  

  查看输出日志中关于agent退出的具体报错信息，进一步针对性解决。

内容的提问来源于stack exchange，提问作者Dipu Cs