如何在Dask.array中指定工人数

Question

假设您要指定Dask.array中的worker数量，如Dask文档所示，您可以设置：

dask.set_options(pool=ThreadPool(num_workers)) 

这在我运行的某些模拟（例如montecarlo）中非常有效，但是对于某些线性代数运算，似乎Dask会覆盖用户指定的配置，例如：

import dask.array as da
import dask
from multiprocessing.pool import ThreadPool

dask.set_options(pool=ThreadPool(num_workers))
mat1 = da.random.random((size, size) chunks=chunk_size)
mat2 = da.random.random((size, size) chunks=chunk_size)
mat3 = mat1.dot(mat2)
mat3.compute()

如果我以较小的矩阵大小运行该程序，则显然只使用num_workers worker，但是如果我增加矩阵大小，则突然会创建数十个worker，如图所示。

因此，我怎样才能要求Dask仅使用num_workers工人来解决问题？

Answer 1

使用线程调度程序时，Dask不会产生任何新进程。 相反，它将在您的主要流程中运行所有内容。

但是，这并不能阻止您的函数自己生成进程。 正如Mike Graham在评论中指出的那样，您应谨慎混合使用诸如Dask之类的并行解决方案和诸如MKL或OpenBLAS之类的并行BLAS实现。 这会损害性能。 通常最好将两个库之一设置为每个调用使用一个线程。

我仍然很困惑，为什么您会看到多个python进程。 就我所知，线程式Dask和MKL都不会创建新的计算过程。 但是，鉴于您从限制MKL线程数方面取得了积极的成果，自从我上次进行检查以来，MKL可能已经发生了变化。