Files
ssw-mpc/docs/RAY_ARMV7.md
T
admin 54781b3f83
ci / gate (push) Waiting to run
refactor: 项目改名 ssw-mpc,crate 统一到 mpc-* 前缀
- 项目与文档标题:nax-rs → ssw-mpc(尚数网-多方安全计算),二进制 nax → mpc
- 18 个 crate 及目录 nax-* → mpc-*,Rust 引用 nax_* → mpc_*
- 环境变量、C 符号、构建/部署脚本:NAX_* → MPC_*、libnax_ray.so → libmpc_ray.so
- 保留协议域分隔常量与 refs/nax 参考实现路径,维持 golden 向量与历史数据兼容
- 新增 [profile.dev] incremental=false
2026-11-05 15:06:12 +08:00

10 KiB
Raw Blame History

Ray 1.0.1 在 armv7 上实测记录

结论先说:Ray 在 armv7 上是能跑的,而且我们跑通了完整节点。 之前 docs/RAY_CORE.md §5 写的「Zynq 上不通」是错的,已改。

1. 包从哪来

PyPI 上确实没有,但社区编过:

来源 版本 Python 链接
PidgeyBE 1.0.1 cp36 github.com/ray-project/ray/files/5703429/ray_armv7l_32bit.zip
PeterPirog 1.2.0 cp38 github.com/PeterPirog/Raspberry_armv7_builds/tree/main/ray

上游 issue:ray-project/ray#12128。 1.2.0 之后没人再编,官方 2.0.0.dev 在 armv7 上就失败了。

唯一需要的源码改动是链接参数(PeterPirog 在讨论区的原话):

# python/setup.py,给 bazel build 加一个 linkopt
["build", "--linkopt=-latomic", "--"] + bazel_targets

原因是 32 位 ARM 上 std::atomic<int64_t> 会落成 __atomic_load_8 / __atomic_fetch_add_8,libgcc 里没有内联版本,必须显式链 libatomic。 这不是移植工程,是加一个编译/链接宏。

2. 实物核对(2026-10-30 实测)

ray-1.0.1-cp36-cp36m-linux_armv7l.whl:19 MB 压缩、64 MB 解压。

组件 大小 架构
_raylet.so 16.4 MB ELF32 ARM,flags 0x5000400(EABI5 + hard-float)
raylet 13.1 MB 同上
gcs_server 10.9 MB 同上
libray_redis_module.so 3.6 MB 同上
redis-server 3.4 MB 同上
plasma_store_server 0.8 MB 同上

C++ 侧合计约 44.6 MB(对照 x86_64 的 2.59:_raylet.so 44 MB + raylet 35 MB + gcs 40 MB)。

_raylet.so 的动态符号:10562 条,其中 ray:: 命名空间 2040 个,且 CoreWorkerProcess 全套导出:

T _ZN3ray17CoreWorkerProcess10InitializeERKNS_17CoreWorkerOptionsE@@VERSION_1.0
T _ZN3ray17CoreWorkerProcess13GetCoreWorkerEv@@VERSION_1.0
T _ZN3ray17CoreWorkerProcess20RunTaskExecutionLoopEv@@VERSION_1.0
T _ZN3ray17CoreWorkerProcess8ShutdownEv@@VERSION_1.0

符号名里没有 B5cxx11 —— 和 2.59 一样是旧 ABI(_GLIBCXX_USE_CXX11_ABI=0)。 也就是说 ray/mpc_ray_shim.cc 那套「绕开 bazel、直接链 _raylet.so」的做法 在 armv7 上同样成立,只是 API 要从 2.59 回退到 1.0.1。

3. 完整节点跑通

环境:x86_64 沙箱 + qemu-arm-static -L /usr/lib/arm-linux-gnueabihf (qemu 只做用户态指令翻译,不是模拟编译,跑的是真 ELF32 ARM 二进制)。

手工做掉 ray start --head 的 bootstrap(因为板上没有 python3.6), ray/armv7/run_node.sh 完整复现:

  1. 主 redis :6390 + 分片 redis :6391,都 --loadmodule libray_redis_module.so
  2. 播种 5 个键(等同 services.py::start_redis): NumRedisShards=1、RedirectOutput=0、JobCounter=0、ray_version、RedisShards
  3. gcs_server :6392
  4. plasma_store_server(注意容器 /dev/shm 只有 64 MB,要 -d /tmp/plasmadir -m 50M)
  5. raylet --node_manager_port=6393

实测输出:

Module 'ray' loaded from .../libray_redis_module.so
GcsServer server started, listening on port 6392
Gcs server address = 127.0.0.1:6392
ObjectManager server started, listening on port 34591
node_manager.cc:178] Initializing NodeManager with ID ebb89cb915e55e838bcadeb10b7bcb16b9cfb643
NodeManager server started, listening on port 6393
service_based_accessor.cc:775] Received notification for node id = ebb89cb9…, IsAlive = 1
raylet 存活 ✅

IsAlive = 1 是 GCS 收到 raylet 注册后的确认。整条链 redis(带 ray 模块)→ gcs_server → plasma → raylet 在 armv7 上都成立。

两个不是 32 位问题的坑

现象 真因 处理
Check failed: No entry found for NumRedisShards redis 没被 bootstrap 播种 手工写 5 个键
System memory request exceeds memory available in /dev/shm 容器 /dev/shm 只有 64 MB -d /tmp/plasmadir -m 50M
At least one of Python/Java/CPP worker command should be provided raylet 硬性校验 --num_initial_workers=0 时给 --cpp_worker_command=/bin/true

4. 但这条路对 mpc 的代价(必须说清)

能跑 ≠ 该用。三个真实代价:

  1. 版本断层。1.0.1 是 2020-12 的代码,GCS 协议和 2.59 不同,接不进现代 Ray 集群。 要么整集群降级到 1.x,要么边缘独立成一个小集群。
  2. 要 python3.6。wheel 是 cp36,_raylet.so 是 CPython 扩展(和 2.59 同样有几百个 Py* 未定义符号)。板上跑得装 python3.6,或者像 crates/mpc-ray/build.rs 那样链 libpython 兜住符号——但 Debian 12 / PetaLinux 都不带 3.6。
  3. 44.6 MB 二进制 + plasma 内存。ACZ7015 是 1 GB DDR3,放得下;512 MB 的板子就悬。

5. 三个选项的取舍

方案 工作量 能得到 风险
A. 用 1.0.1 armv7 + 移植 shim 中(改 ~250 行 shim 到 1.0 API,交叉编译 shim) 边缘板上真的跑 Ray,能加入 1.x 集群 2020 年代码;要 python3.6
B. 自己编 2.59 armv7 大(bazel crosstool + 38 依赖全过一遍 + 未知 32 位问题) 与现代 Ray 协议一致 未知量大,可能卡死在某个依赖
C. 保持 mpc-orch 零(已完成,661 行) 放置 + 成员,任意架构 没有 Ray 生态

当前选择:C 作为默认,A 作为「确实需要 Ray 生态」时的备选。 B 不建议——为一个我们只用「放置」的能力去背 38 个依赖的 32 位交叉编译。

6. 跨版本兼容性实测:1.0.1 ⟷ 2.59 双向都不通

结论:不兼容,且不是「协商失败」,是传输层就不是一个协议。

1.0.1 节点想加入 2.59 集群

$ redis-cli -h 169.254.68.6 -p 6379 ping
Error: Protocol error, got "\x00" as reply type byte

$ # 1.0.1 armv7 raylet --redis_address=<2.59 head> --redis_port=6379
F redis_client.cc:114] Check failed: _s.ok()
  Bad status: RedisError: Protocol error, got "\x00" as reply type byte

原因:Ray 2.0 把 Redis 从 GCS 后端彻底移除,head 的 6379 从 RESP 换成了 gRPC(HTTP/2)。 1.0.1 的 raylet 一上来就发 RESP 的 PING,收到的第一个字节是 HTTP/2 的 \x00。

2.59 节点想加入 1.0.1 集群

$ ray start --address=127.0.0.1:6402      # 1.0.1 的 gcs_server
RuntimeError: Failed to connect to GCS. Last connection error:
  ray.exceptions.RpcError: RPC error:

gRPC 这一层通了,但 GCS 的 service/protobuf 定义在 1.x → 2.x 之间已经改过, 握手拿不到可用的服务。

所以

跨版本混部没有中间路线。要么整集群 2.x(那么 armv7 节点进不来, 因为 2.59 没有 armv7 构建),要么整集群 1.0.1(那么 armv7 节点能进来, 但要接受 2020 年的代码)。这就是「对成」的意思——把两端都放在 1.0.1 上。

7. 混合架构集群实测:x86_64 原生 + armv7,同为 1.0.1

ray/armv7/mixed_cluster.sh:x86_64 用 1.0.1 的 manylinux1_x86_64 wheel 里的 redis-server / gcs_server / raylet / plasma_store_server 原生跑; armv7 那一侧用 qemu-arm 跑同版本的二进制。两端同源同版本,只差指令集。

实测:

=== 4) raylet x86_64(cpu=4)
I node_manager.cc:178] Initializing NodeManager with ID f85f933f3a48916f22e2e5b32636793c58faee04
I grpc_server.cc:74]  NodeManager server started, listening on port 6403.

=== 5) raylet armv7(cpu=2,qemu)
I node_manager.cc:178] Initializing NodeManager with ID 9f3e5ae101ab5da23e975b27f8f09d0c9ca00f72
I grpc_server.cc:74]  NodeManager server started, listening on port 6413.

--- 存活
  raylet x86   ✅
  raylet armv7 ✅

互相看得见(两侧日志里的节点通知是同一对 ID):

x86 raylet 看到:

9f3e5ae101ab5da23e975b27f8f09d0c9ca00f72, IsAlive = 1
f85f933f3a48916f22e2e5b32636793c58faee04, IsAlive = 1

armv7 raylet 看到:

9f3e5ae101ab5da23e975b27f8f09d0c9ca00f72, IsAlive = 1
f85f933f3a48916f22e2e5b32636793c58faee04, IsAlive = 1
I node_manager.cc:949] [HeartbeatAdded]: received heartbeat from unknown client id f85f933f3a48…

GCS 表里正好 4 条(2 个节点 × NODE_RESOURCE + CLIENT), ray/armv7/decode_gcs.py 直接读 redis 分片解码:

shard 键总数: 4
  NODE_RESOURCE  node=9f3e5ae101ab5da23e975b27…  value=49B   → 1000000000 | 127.0.0.1
  NODE_RESOURCE  node=f85f933f3a48916f22e2e5b3…  value=49B   → 1000000000 | 127.0.0.1
  CLIENT         node=9f3e5ae101ab5da23e975b27…  value=93B   → /tmp/raylet_a.sock | /tmp/plasma_a.sock
  CLIENT         node=f85f933f3a48916f22e2e5b3…  value=93B   → /tmp/raylet_x.sock | /tmp/plasma_x.sock

CLIENT 条目里的 socket 路径一个 _a(armv7)一个 _x(x86),是两条独立的注册记录, 不是同一条被覆盖。

这一步的意义:armv7 节点不是「能启动」,而是真的作为一个成员挂在集群里, 和 x86 节点交换心跳、被 GCS 记账。跨指令集组集群这件事在 Ray 1.0.1 上是通的。

8. 复现

# 拿包(GitHub 直连,注意 zip 可能被代理截断,用 -C - 续传)
curl -sSL --http1.1 -C - -o ray_armv7.zip \
  https://github.com/ray-project/ray/files/5703429/ray_armv7l_32bit.zip

# 环境:Debian 12 x86_64 容器
apt-get install -y qemu-user-static redis-tools
dpkg --add-architecture armhf
echo 'deb [arch=armhf] http://mirrors.ustc.edu.cn/debian bookworm main' >> /etc/apt/sources.list
apt-get update && apt-get install -y libc6:armhf libstdc++6:armhf libgcc-s1:armhf

# 解包 + 起节点
python3 -c "import zipfile;zipfile.ZipFile('ray_armv7.zip').extractall('.')"
python3 -c "import zipfile,glob;zipfile.ZipFile(glob.glob('*.whl')[0]).extractall('/tmp/r17')"
bash ray/armv7/run_node.sh       # armv7 单节点(redis+gcs+plasma+raylet)
bash ray/armv7/run_gcs_only.sh   # 只起 armv7 控制面
bash ray/armv7/compat_probe.sh   # 探测 1.0.1 ⟷ 2.59 不兼容
bash ray/armv7/mixed_cluster.sh  # x86_64 原生 + armv7 混合集群(同为 1.0.1)
python3 ray/armv7/decode_gcs.py  # 解码 GCS 节点表(需集群在跑)