基于 Ray 的蚂蚁数据构建引擎在搜推和 RAG 场景的实践

在蚂蚁集团，每一次精准的搜索推荐、每一轮流畅的智能对话背后，都离不开高质量数据的强力支撑。作为蚂蚁智能引擎部的核心技术底座之一，AI 数据构建引擎正持续为全站搜推广系统等关键产品注入“智能血液”。

本文整理自 Ray Forward 2025 上蚂蚁集团技术专家谢涛的分享，共包含三个部分：

1. 基于 Ray 的海量数据构建提效
   

2. 基于 Ray 的 RAG 算子体系建设
   

3. 下一步展望
   

我们基于 Ray 构建新一代索引构建引擎，支撑全站万亿级正排、倒排、KV、KKV 索引的高效生成。传统 C++ 引擎虽能力强（200 万行代码），但面临资源调度冲击、长尾场景低效与稳定性保障难题。通过引入 Ray 实现弹性调度与任务编排优化，显著提升系统可扩展性与运行成功率。

• 资源弹性调度：应对海量任务对容器平台的压力

传统索引构建任务规模大、资源峰值高，易导致底层容器调度平台（如 Kubernetes）资源争抢或 OOM 失败。基于 Ray 的分布式计算框架支持动态资源申请与释放，实现任务级弹性扩缩容，降低对底层基础设施的冲击，提升容器交付成功率与系统稳定性。

• 长尾场景提效：优化小批量任务执行效率   

在推广 Processor-Builder-Merge 三阶段流水线，实现多任务并发调度与资源复用，显著提升长尾场景的吞吐能力与响应速度业务中存在大量低频、小数据量的长尾索引构建任务，传统批处理模式效率低下。Ray 支持细粒度任务并行与异步执行，结合。

• 稳定性与成功率保障：构建可观测与自愈机制  

为保障存量业务稳定运行，在 Ray 框架中集成任务重试、失败隔离、状态持久化等机制。通过实时监控任务执行链路、自动熔断异常节点，并结合历史成功率预测模型，实现故障预判与快速恢复，提升整体作业成功率至 99.9% 以上。

蚂蚁集团将原生 C++ 索引构建引擎迁移到 Ray 分布式框架，通过 Actor 化改造、资源弹性调度与原生能力集成，解决传统容器架构下的稳定性、性能与运维难题。基于 Ray 的 C++ API 与核心服务（如 Health Check、Fail Over），实现了任务级高可用与自动扩缩容，显著提升系统可靠性与资源利用率。

• Ray C++ API 深度集成

为支持原有 200 万行 C++ 代码的平滑迁移，团队深度集成 Ray C++ API，实现对 Processor、Builder、Merger 等核心组件的高效调用。利用 Ray 原生异步通信与对象存储机制，保障高性能计算任务在分布式环境下的低延迟与高吞吐。

• PBM Worker Actor 化改造

将原基于容器的 PBM Worker 改造为 Ray Actor，实现从“容器粒度”到“进程粒度”的演进。Actor 模型支持轻量级启动与状态持久化，大幅降低镜像拉取与初始化开销，提升任务冷启动效率，尤其适用于长尾场景下的快速响应需求。

• 集群与作业模式重构 

基于 Ray Job 模型重构上层作业调度体系，引入 BS Job Manager 作为统一管控入口，通过 Rest API 动态创建 ProcessorActor、BuilderActor 和 MergerActor。结合 SyncTarget 机制实现跨阶段数据同步，提升作业编排灵活性与可观测性。

• HC/FO 与资源调度优化

充分利用 Ray 原生的 Health Check（HC）与Fail Over（FO）能力，实现任务节点故障检测与自动恢复。结合 Resource Manager 与 Colocate Placement 策略，优化资源分配与数据本地性，提升整体计算效率与系统稳定性。

• Auto Scale 实现弹性伸缩 

基于 Ray 的 Auto Scale 机制，系统可根据任务负载动态调整 Worker 数量，实现从几核到数千核的弹性扩展。配合 Disk Schedule 与 Object Store，有效应对海量索引构建带来的突发资源需求，显著提升资源利用率与任务成功率。

1. 容器规格从 10+ 种减少至 2 种，资源弹性瓶颈消除。

2. Actor 轻量化改造，异构 worker 按需加载资源，调度 overhead 减少，小表构建耗时减少 1 倍+。

3. 构建成功率和稳定性提升。

历时半年，我们完成核心索引构建引擎向 Ray 的全面迁移，80% 存量任务已上线新底座。通过容器规格简化、Actor 轻量化与资源弹性调度优化，实现资源利用率提升、长尾任务加速 1 倍以上、成功率升至 99.9%，显著改善系统稳定性与运维体验。

• 容器规格精简：消除资源弹性瓶颈

原架构依赖 10+ 种容器规格，导致调度复杂、资源碎片化严重。迁移后统一为大、小两类标准规格，结合 Ray 的动态资源分配能力，实现任务按需调度，大幅降低调度 overhead，有效缓解与底层 Kubernetes 平台的资源冲突问题。

• Actor 轻量化改造：提升长尾任务效率

通过将 Worker 改造为轻量级 Actor，支持异构任务按需加载资源，减少冷启动开销。针对 100GB 以下的小表索引构建，P95 构建耗时从数十分钟降至约 10 分钟，整体提速超 1 倍，显著提升用户体验与业务响应速度。

• 构建成功率与稳定性全面提升

依托 Ray 的 Health Check、Fail Over 与 Auto Scale 机制，系统具备更强容错与自愈能力。当前索引构建成功率稳定在 99.9% 以上，故障率显著下降，夜间应急响应频率大幅减少，运维负担明显减轻，保障了核心业务连续性。

为应对 RAG（Retrieval-Augmented Generation）场景中数据处理流程碎片化问题，蚂蚁集团基于 Ray 构建统一算子体系，覆盖 算子市场、编程范式与服务 SLA 保障 三大层。通过抽象通用处理链路（如 Parse、Chunk、Embedding、Indexing），实现跨业务域的标准化与可复用，支撑离线批处理、实时流与在线服务等多模态场景。

• 算子市场：支持租户管理、计费与动态注册

在服务接入层构建 算子市场，提供租户隔离、按量计费与动态注册能力。用户可将自定义算子上传至平台，系统自动完成元信息登记与权限控制，支持多团队协同开发与资源高效共享，形成开放可控的生态闭环。

• 算子编程范式：基于注解的输入输出约束

引入注解驱动的算子编程模型，对每个算子（如 SourceOp、ParseOp、ChunkOp）定义明确的输入输出契约。通过装饰器机制实现执行逻辑封装与类型校验，确保任务链路一致性，降低因接口不规范导致的错误风险，提升开发效率与系统稳定性。

• 算子服务：基于 Ray 实现多场景 SLA 保障

依托 Ray 的作业调度与集群管理模式，构建面向不同负载的算子服务引擎。支持从离线批处理（Batch）、实时流（Streaming）到在线推理（Online Serving）的全栈能力，并通过资源隔离、优先级调度与自动扩缩容，为各类业务提供差异化 SLA 支持，满足多样化需求。

• 数据标签，收集是比较困难的，很多场景中的数据是没有标签的 

数据是分散的，（这也是最重要的一点）每家应用的数据不一样，比如腾讯用的是社交属性数据，阿里用的是电商交易数据，微众用的是信用数据，都是分散来应用的。现实中，如何进行跨组织间的数据合作，会有很大的挑战。

为支撑多租户场景下的 RAG 算子服务，我们在 API 层构建了完整的治理框架，涵盖调用计量、权限隔离、OAuth 鉴权、灵活计费、限流熔断与智能路由六大核心能力。通过标准化接口与精细化管控，实现资源可控、成本透明、服务稳定的目标，推动 RAG 能力向企业级平台演进。

• 调用计量：实现精准资源消耗追踪

系统基于 API 调用次数与实际资源消耗（如 CPU、内存、GPU）进行精确计量，生成细粒度使用数据。为后续计费提供可靠依据，提升资源利用率分析能力，并支持按量付费、阶梯定价等商业模式，增强平台商业可持续性。

• 权限隔离与 OAuth 鉴权：保障多租户安全

采用 OAuth 2.0 协议实现身份认证与授权管理，结合租户维度的权限控制策略，确保不同业务方仅能访问其授权范围内的算子与数据。有效防止越权访问与资源滥用，保障系统安全与租户间独立性。

• 灵活计费：支持多样化商业模式

支持多种计费模式（如按调用量、按资源时长、按模型规模），结合计量数据实现成本分摊与账单生成。满足金融、健康等不同业务线的个性化需求，助力内部资源市场化运营与价值量化。

• 限流熔断：保障高并发下服务稳定性

集成限流（Rate Limiting）与熔断（Circuit Breaking）机制，动态控制请求流量，防止突发流量导致系统过载。在异常情况下自动降级或拒绝请求，确保核心服务持续可用，提升整体 SLA 水平。

• 智能路由：优化请求分发与系统吞吐

基于负载均衡与智能路由算法，根据算子类型、资源状态、延迟指标等动态分配请求路径。实现跨集群、跨区域的高效调度，提升 API 响应效率与系统整体吞吐能力，适应离线、实时、在线等多场景需求。

为提升 RAG 算子的可复用性与系统稳定性，我们构建了一套基于 Python 装饰器的开发规范体系，涵盖节点定义、接口契约、资源初始化、异步加载、执行逻辑、幂等性、资源释放与生命周期管理八大约束。通过声明编程降低开发门槛，实现算子在多场景下的统一接入与高效运行。

• 节点定义：明确算子类型与职责

使用 node 装饰器定义算子逻辑单元，声明其类型、处理职责与数据流转角色。形成可识别的处理节点，便于平台自动编排与可视化调度，提升任务链路清晰度与模块化程度。

• 接口契约：保障数据流动兼容性

通过 input 和 output 注解声明算子输入输出接口规范，确保数据结构一致性。支持 JSON Schema 或 Protobuf 定义，实现跨算子的数据格式校验与自动转换，提升组件集成效率与系统健壮性。

• 初始化资源：支持依赖注入与异步启动

使用 setup 装饰器完成依赖加载、配置解析与外部服务连接建立。支持异步模型初始化，避免阻塞主流程，提升算子启动效率与并发能力，适用于高延迟资源加载场景。

• 异步加载：优化大型模型加载性能

框架支持按需或延迟加载大型模型，结合 Ray 的对象存储机制实现资源预热与共享。减少冷启动时间，提升整体吞吐率，尤其适用于多租户、低频调用场景。

• 执行逻辑：核心处理逻辑封装

通过 execute 装饰器封装算子的核心业务逻辑，明确输入输出映射关系。要求实现上下文隔离，保证多次执行互不干扰，支持幂等性与容错重试，提升任务可靠性与可调试性。

• 幂等性要求：保障重试与容错安全

要求算子具备幂等特性，即多次执行结果一致，避免副作用。适用于任务失败重试、断点续传等容错机制，防止重复处理导致数据污染或状态异常，增强系统鲁棒性。

• 资源释放：防止内存泄漏与句柄残留

通过 teardown 装饰器定义资源清理逻辑，负责释放内存、关闭数据库连接、回收 GPU 显存等。确保环境干净退出，避免长期运行导致资源累积与系统不稳定。

• 生命周期管理：覆盖全周期可控运行

完整覆盖从初始化到销毁的算子生命周期，提供统一的管控接口。支持动态扩缩容、健康检查与故障恢复，保障组件在分布式环境下的稳定运行与高可用性。

Code Gen 模块确保算子一次编写，即可运行在多个场景

1. Ray 作业模式：支撑日常海量非结构化数据处理场景

2. Ray 集群模式：支撑响应要求较高的异步场景

3. 在线服务模式：支撑响应要求极高的在线服务场景

为满足 RAG 场景下多样化处理需求，我们构建了基于 Ray 的多模态算子执行层，通过 Code Gen 模块将用户自定义算子封装为可复用组件，支持 Ray 作业模式、Ray 集群模式与在线服务模式 三大运行范式。实现“一次开发、多场景部署”，提升资源利用率与系统灵活性。

• Ray 作业模式：支撑海量非结构化数据批处理

将算子打包为 Ray Job，通过 ray submit 启动集群执行，适用于大规模非结构化数据的离线批处理任务。支持自动扩缩容与分布式调度，高效处理 PB 级数据，保障高吞吐与低成本运行。

• Ray 集群模式：支持高响应异步处理场景

在 Ray Cluster 上部署算子，支持长尾、小批量或调试类任务的异步执行。结合动态资源调度与任务优先级管理，实现低延迟响应与高并发处理能力，适用于研发测试、快速迭代等场景。

• 在线服务模式：支撑极低延迟实时推理请求

将算子直接部署为在线服务（Serving），通过 API 接口接收实时请求，实现同步执行与毫秒级响应。适用于业务方直接调用 Chunk、Embedding 等操作的在线场景，确保高可用性与强一致性。

面向未来，我们将围绕 AI Native 能力集成、Remote Shuffle Service 统一处理与 Embedding 演进三大方向，建设新一代高性能 AI 数据构建引擎。目标是实现结构化与非结构化数据的统一处理、多模态感知与可信计算，推动数据处理从“算力驱动”向“智能驱动”演进。

关注蚂蚁开源视频号-直播回放，观看更多 Ray Forward 精彩分享