4

我知道 dask 在这样的批处理模式下运行良好

def load(filename):
    ...

def clean(data):
    ...

def analyze(sequence_of_data):
    ...

def store(result):
    with open(..., 'w') as f:
        f.write(result)

dsk = {'load-1': (load, 'myfile.a.data'),
       'load-2': (load, 'myfile.b.data'),
       'load-3': (load, 'myfile.c.data'),
       'clean-1': (clean, 'load-1'),
       'clean-2': (clean, 'load-2'),
       'clean-3': (clean, 'load-3'),
       'analyze': (analyze, ['clean-%d' % i for i in [1, 2, 3]]),
       'store': (store, 'analyze')}

from dask.multiprocessing import get
get(dsk, 'store')  # executes in parallel
  1. 我们可以使用 dask 来处理流通道，其中块的数量是未知的甚至是无穷无尽的吗？
  2. 它可以以增量方式执行计算吗？例如，上面的“分析”步骤可以处理正在进行的块吗？
  3. 我们必须在所有数据块都知道之后才调用“get”操作，我们可以在调用“get”之后添加新块吗
4

1 回答 1

3

编辑：请参阅下面的更新答案

不

dask 中的当前任务调度程序需要一个计算图。它不支持从该图中动态添加或删除。调度器旨在评估少量内存中的大图；提前了解整个图表对此至关重要。

但是，这并不能阻止创建具有不同属性的其他调度程序。这里一个简单的解决方案就是conncurrent.futures在单台机器或多distributed台机器上使用模块。

其实，是

分布式调度程序现在完全异步运行，您可以在计算期间提交任务、等待其中一些、提交更多、取消任务、添加/删除工作人员等。有几种方法可以做到这一点，但最简单的可能是concurrent.futures这里简要描述的新界面：

http://dask.pydata.org/en/latest/futures.html

于 2015-11-27T15:37:32.980 回答