導讀：如今大部分人工智能應用是基於監督學習範式開發的，即模型在線下進行訓練，然後部署到服務器上進行線上預測，這樣的開發方式在實時響應上存在較大的侷限。隨着計算和 AI 體系逐步成熟，我們希望機器學習應用能更多地在動態環境下運行、實時響應環境中的變化，這推動了機器學習從傳統離線學習逐漸向在線學習演進。相比於傳統的離線機器學習，在線學習可以帶來更快的模型迭代速度，讓模型預測效果更貼真實情況，對於線上的波動更加敏銳。
最近兩年，國內各一線互聯網廠商分別推出自己的在線學習技術體系及相關架構。螞蟻金服從 2018 年 7 月開始，基於最新的 Ray 分佈式引擎自研了金融級的在線學習系統，與傳統在線學習框架相比，在端到端延遲、穩定性、研發效率等方面都有不同程度的提高。
Ray 是伯克利大學 AMPLab 在 2017 年 12 月開源的高性能分佈