# I am the Watcher. I am your guide through this vast new twtiverse.
#
# Usage:
# https://watcher.sour.is/api/plain/users View list of users and latest twt date.
# https://watcher.sour.is/api/plain/twt View all twts.
# https://watcher.sour.is/api/plain/mentions?uri=:uri View all mentions for uri.
# https://watcher.sour.is/api/plain/conv/:hash View all twts for a conversation subject.
#
# Options:
# uri Filter to show a specific users twts.
# offset Start index for quey.
# limit Count of items to return (going back in time).
#
# twt range = 1 1
# self = https://watcher.sour.is/conv/r4sobia
如何看UCBerkeley RISELab即将问世的Ray，replacement of Spark？**
不知道为什么会推送给我一个三年前的挖坟的问题？我试着从调度的角度来分析一下Spark和Ray的区别。
调度是计算机系统核心，从各个层次上都有调度的问题需要去处理，微架构层面的指令调度、OS层面的线程调度、集群层面的任务调度等等；Spark和Ray作为分布式应用的开发和运行框架，核心使命其实也是把调度做好，让应用的任务在集群上跑的快、资源利用率高，还有容错性，但是应用调度的需求其实还是差异性很大的，一个单一的框架很难满足所有的需求，从大的层面看，应用调度可以分为两个阶段，首先是任务的编排和优化，然后是任务的调度执行，下面试图从这两个角度来分析一下不同的框架有什么样不同的策略，然后再看一下Spark和Ray有什么区别：
### 任务的编排和优化**
总体而言可以分为两类：静态的编排和动态的编排
- 静态的编排和优化：** 任务执行前，通过编译和优化技术进行全局的编排；编排和 ... ⌘ Read more