导读：如今大部分人工智能应用是基于监督学习范式开发的，即模型在线下进行训练，然后部署到服务器上进行线上预测，这样的开发方式在实时响应上存在较大的局限。随着计算和 AI 体系逐步成熟，我们希望机器学习应用能更多地在动态环境下运行、实时响应环境中的变化，这推动了机器学习从传统离线学习逐渐向在线学习演进。相比于传统的离线机器学习，在线学习可以带来更快的模型迭代速度，让模型预测效果更贴真实情况，对于线上的波动更加敏锐。
最近两年，国内各一线互联网厂商分别推出自己的在线学习技术体系及相关架构。蚂蚁金服从 2018 年 7 月开始，基于最新的 Ray 分布式引擎自研了金融级的在线学习系统，与传统在线学习框架相比，在端到端延迟、稳定性、研发效率等方面都有不同程度的提高。
Ray 是伯克利大学 AMPLab 在 2017 年 12 月开源的高性能分布