描述

ray在内网完美运行，但是work节点和head节点在不同wifi下丢失心跳，8265面板检测最初可以连接并alive 但是很快就变为dead

环境

windows
python3.10.14
ray-3.0.0.dev0-cp310-cp310-win_amd64

客户端（work节点） 启动项

ray start --address=12.34.567.89:6379 --node-ip-address=98.765.43.21

服务器端（head节点）启动项

ray start--head --port=6379 --dashboard-host=0.0.0.0 --dashboard-port=8265 --node-ip-address=12.34.567.89

node-ip-address可以强行指定本机ip

分析

丢失心跳的原因是因为
客户端应答心跳时，目的地址错误，应为服务器端的公网地址而非服务器端所在的内网地址
使用wireshark抓包抓黑色的错误包，发现客户端企图用服务器端所在的内网回应心跳，这必然是回复不到的。

但是--address对应的ip必须填内网而不是公网（head节点指定nodeip）不然无法启动，因为填公网ip无法回环去找自己，但是如果填内网ip客户端又找不到心跳
或者直接把裸机暴露给公网，不走所谓NAT
或者使用代理服务器，让他以为自己是在内网

参考

from ray.scripts.scripts import start, stop
ctx = start.make_context('start',
                                 [
                                     '--address', f'33.44.55.66:6379',
                                     '--resources', f'{json.dumps(custom_resources)}',
                                     '--node-name', name,
                                     # '--node-ip-address', "11.22.33.44",
                                 ],
                                 )
        result = start.invoke(ctx)

ray github issue 45179