语境
我正在使用 dask.distributed 跨机器并行计算。因此，我有 dask-workers 在连接到 dask-scheduler 的不同机器上运行，然后我可以将我的自定义图表与所需的键一起提交到该机器上。
由于网络安装限制，我的输入数据（和输出存储）仅可用于机器的子集（'i/o-hosts'）。我试图以两种方式处理这个问题：
- i/o 操作中涉及的所有任务都限制在 i/o 主机上（它们只能在运行在可以访问数据的机器上的工作人员上运行），非 i/o 任务仅限于非 i/o 主机上
- i/o 操作中涉及的所有任务都绑定到提供资源“io”（i/o 主机）的工作人员，非 i/o 任务绑定到提供资源“计算”的非 i/o 主机上的工作人员'。
不允许非 i/o 任务在 i/o 主机上运行的想法是确保他们的工作人员可用于 i/o 任务。
问题
这两种方法都按预期工作，因为它们将 i/o 任务限制在正确的工作人员身上。但是我注意到，当使用这两种方法中的任何一种时，只有极少数的工作人员会积累大量的任务，而其他大多数工作人员仍然处于空闲状态。
在阅读了如何在工作人员之间分配任务后，我发现工作窃取似乎是故意禁用的受限任务（http://distributed.readthedocs.io/en/latest/work-stealing.html）。这似乎也适用于资源框架。
问题
有没有一种好方法可以将任务限制与窃取工作结合起来？