射线`num_cpus`是否用于实际分配CPU？

Question

使用ray框架时，可以选择一个选项来选择此任务所需的CPU数量，如here所述。

例如：

@ray.remote(num_cpus=4)
def f():
    return 1

但是，目前尚不清楚是否会分配实际的CPU：

1. 将为该功能分配4个CPU（例如，使用CPU亲和力，例如taskset linux命令或cpuset docker参数）
2. 否则，调度程序将仅在内部使用此num_cpus作为调度元数据。前任要决定他是否可以开始需要16个CPU的新任务，而剩下的只有10个CPU。该任务仍然可以访问所有CPU，并且可以“使用”比num_cpus
中请求的时间更多的CPU时间

选项2似乎更可能出现，但这未在文档中说明。 此外，GPU似乎有一种选择1，这使得调度程序的意图不清楚：

  

Ray将自动设置环境变量   该过程为CUDA_VISIBLE_DEVICES。

该进程配置为使用某个GPU（但可以通过重置CUDA_VISIBLE_DEVICES来绕过它）

那么，num_cpus在ray中如何使用？

Answer 1

好问题-对于CPU，该分配仅用作元数据（选项2）。对于GPU，分配既用作元数据，又提供隔离。该文档将很快更新（之后将更新答案）。