每个worker存储其拥有的对象的引用计数。有关如何跟踪引用的详细信息，请参阅引用计数。Reference仅在下面两种操作期间计算：
1.将ObjectRef或包含ObjectRef的对象作为参数传递给Task。
2.从Task中返回ObjectRef或包含ObjectRef的对象。
对象可以存储在owner的进程内内存存储中，也可以存储在分布式对象存储中。此决定旨在减少每个对象的内存占用空间和解析时间。
当没有故障时，owner保证，只要对象仍在作用域中（非零引用计数），对象的至少一个副本最终将可用。。
有两种方法可以将ObjectRef解析为其值：
1.在ObjectRef上调用ray.get。
2.将ObjectRef作为参数传递给任务。执行工作程序将解析ObjectRefs，并将任务参数替换为解析的值。
当对象较小时，可以通过直接从owner的进程内存储中检索它来解析。大对象存储在分布式对象存储中，必须使用分布式协议解析。
当没有故障时，解析将保证最终成功（但可能会引发应用程序级异常，例如worker segfault）。如果存在故障，解析可能会引发系统级异常，但永远不会挂起。如果对象存储在分布式内存中，并且对象的所有副本都因raylet故障而丢失，则该对象可能会失败。Ray还提供了一个选项，可以通过重建自动恢复此类丢失的对象。如果对象的所有者进程死亡，对象也可能失败。
代码参考：
src/ray/core_worker/store_Provider/memory_store/memory_store.cc
src/ray/core_worker/store_Provider/plasma_store_provider.cc
src/ray/core_worker/reference_count.cc
src/ray/object_manager/object_manager.cc
Actor的lifetime
Actor的lifetimes和metadata (如IP和端口)是由GCS service管理的.每一个Actor的Client都会在本地缓存metadata，使用metadata通过gRPC将task发送给Actor.
如上图，与Task提交不同，Task提交完全分散并由Task Owner管理，Actor lifetime由GCS服务集中管理。
在Python中创建Actor时，worker首先同步向GCS注册Actor。这确保了在创建Actor之前,如果创建worker失败的情况下的正确性。一旦GCS响应，Actor创建过程的其余部分将是异步的。Worker进程在创建一个称为Actor创建Task的特殊Task队列。这与普通的非Actor任务类似，只是其指定的资源是在actor进程的生存期内获取的。创建者异步解析actor创建task的依赖关系，然后将其发送到要调度的GCS服务。同时，创建actor的Python调用立即返回一个“actor句柄”，即使actor创建任务尚未调度，也可以使用该句柄。
Actor的任务执行与普通Task 类似：它们返回futures，通过gRPC直接提交给actor进程，在解析所有ObjectRef依赖关系之前，不会运行。和普通Task主要有两个区别：
执行Actor任务不需要从调度器获取资源。这是因为在计划其创建任务时，参与者已在其生命周期内获得资源。
对于Actor的每个调用者，任务的执行顺序与提交顺序相同。
当Actor的创建者退出时，或者群集中的作用域中没有更多挂起的任务或句柄时，将被清理。不过对于detached Actor来说不是这样的，因为detached actor被设计为可以通过名称引用的长Actor，必须使用ray.kill(no_restart=True)显式清理。
Ray还支持async actor，这些Actor可以使用asyncio event loop并发运行任务。从调用者的角度来看，向这些actor提交任务与向常规actor提交任务相同。唯一的区别是，当task在actor上运行时，它将发布到在后台线程或线程池中运行的异步事件循环中，而不是直接在主线程上运行。
代码参考：
Core worker源码: src/ray/core_worker/core_worker.h. 此代码是任务调度、Actor任务调度、进程内存储和内存管理中涉及的各种协议的主干。
Python: python/ray/includes/libcoreworker.pxd
Java: src/ray/core_worker/lib/java
src/ray/core_worker/core_worker.cc
src/ray/core_worker/transport/direct_actor_transport.cc
src/ray/gcs/gcs_server/gcs_actor_manager.cc
src/ray/gcs/gcs_server/gcs_actor_scheduler.cc
src/ray/protobuf/core_worker.proto