ray `num_cpus` 是否用于实际分配 CPU？

Question

当使用射线框架，还有是选择该任务所需的CPU数量的选项，如解释在这里。

前任：

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

然而，目前还不清楚是否会有实际的 CPU 分配：

1. 该函数将逐字分配4CPU（使用例如 CPU 亲和性，如在tasksetlinux 命令中，或cpusetdocker 参数）
2. 或者调度程序将num_cpus仅在内部使用它，作为调度元数据。让 ex 决定他是否可以开始一个需要 16 个 cpu 的新任务，这里只剩下 10 个了。该任务仍然可以访问所有 CPU，并且可以“使用”比请求更多的 CPU 时间num_cpus

选项 2 似乎更有可能，但这在文档中没有说明。此外，GPU 似乎有一种选项 1，这使得调度程序的意图不明确：

Ray 将自动为该进程设置环境变量 CUDA_VISIBLE_DEVICES。

该进程被配置为使用某个 GPU（但可以绕过它，通过重置CUDA_VISIBLE_DEVICES）

那么，num_cpus在ray中是如何使用的呢？

Answer 1

好问题 - 对于 CPU，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。文档将很快更新（之后会更新答案）。