在資料智能化時代，多模態資料（如文本、映像、音頻、視頻）的處理需求日益增長。AnalyticDB for MySQL推出AnalyticDB Ray，支援多模資料ETL與ML一體化，提升AI流水線效率，實現從資料到智能決策的無縫轉換。
什麼是AnalyticDB Ray
開源 Ray 是一款專為 AI 與高效能運算設計的分散式運算架構，通過簡潔的 API 抽象實現高效的分布式調度，使用者僅需幾行代碼，即可將單機任務擴充至千節點叢集，能夠像調用本地函數一樣調度遠端資源。其內建模組（如Ray Tune、Ray Train和Ray Serve）與TensorFlow、PyTorch等無縫相容。在活躍的開源社區和Anyscale等企業的推動下，Ray已成為構建 AI 應用的重要工具。
儘管開源 Ray 提供了高度靈活的分散式運算能力，但在實際生產環境中，企業仍面臨分布式作業最佳化、資源精細化調度、叢集營運複雜以及系統穩定性與高可用性保障等挑戰。
針對上述問題，AnalyticDB for MySQL推出全託管Ray服務——AnalyticDB Ray。AnalyticDB Ray基於開源Ray的豐富生態，通過多模態處理、具身智能、搜尋推薦、金融風控等典型情境的驗證，對Ray核心和服務能力進行了全面增強，最佳化了核心效能，簡化了叢集營運，並與AnalyticDB for MySQL湖倉平台無縫整合，助力企業構建Data+AI一體化架構，加速企業AI的規模化落地。
AnalyticDB Ray的優勢
易用性
自動建立RayCluster：控制台提供了一鍵部署的白屏化能力，使用者可建立AI類型的資源群組，完成Head和Worker資源規格配置後，即可建立RayCluster。
內建大模型微調、推理工具鏈：內建強化學習一鍵蒸餾、微調、推理、評測LLMs模型工具。
內建具身智慧型工具鏈：AnalyticDB Ray作為Python生態的資源調度基礎，支援Cosmos、NeMo Curator、GROOT N1等，實現資料的模擬、合成及模型微調。
生態整合
Lance：支援儲存多模態資料。
Llama-factory：支援在Ray平台上進行分布式微調。
Spark：通過Ray DP支援在Ray上運行Spark，實現資源的混合部署。
性價比
多租戶、多Job資源隔離：通過vCluster以及資源群組共用，解決租戶、Job之間資源隔離和共用問題。
Data+AI深度融合：AnalyticDB原生支援PB級資料存放區與分析，結合Ray實現了從資料處理、多模特徵工程到模型推理的全鏈路貫通。同時，Ray與AnalyticDB的即時分析負載及Spark的資源混合複用，顯著提升了資源使用率。
AutoScaling：根據負載自動進行GPU/CPU資源的彈性擴充與縮減，同時支援低成本的Spot資源。
彈性緩衝：根據Ray的讀寫資料量和頻寬需求，靈活構建快取服務資源。
資源精細化調度：自動依據節點的資源使用率進行調度，同時增加GPU多租戶超賣的隔離機制以及任務之間的親和性（Affinity）和反親和性（Anti-affinity）調度策略。
穩定性和高可用性
無感遷移與自愈：支援叢集的無感輪轉升級，節點異常情況下可實現自動回復。
高可用性：支援主備Head節點配置。
可觀測性
監控指標看板：任務Dashboard的持久化以及多叢集的統一可觀測管理。