この第2弾では、RayのハイレベルライブラリであるServe、Data、Trainが、GoogleのTPUスライス上でAIワークロードを実行する際の複雑さをどのように抽象化するかを探ります。Ray Serveはシンプルなトポロジー構成を使用して、大規模なマルチホストモデルを正しくギャングスケジューリングし、Ray DataはネイティブJAXバッチでアクセラレータに直接データを供給することでデータローディングのボトルネックを解消します。最後に、JaxTrainerは、クロススライス調整、チェックポインティング、および耐障害性を自動的に処理することで、TPU全体での分散トレーニングを合理化します。