Dask Distributed - 如何为每个工作人员运行一个任务，使该任务在所有可用的核心上运行？

Question

我是使用distributed python库的新手。 我有4名工人，我已成功为每个工人使用14个核心（在16个可用的核心中）启动了一些并行运行，导致4 * 14 = 56个并行运行的任务。

但是如果我想在每个工人中同时只做一个任务，那该怎么办呢。 通过这种方式，我期望一个任务在工作者上并行使用14个核心。

Answer 1

Dask worker维护一个用于启动任务的线程池。 每个任务始终使用此池中的一个线程。 您无法告诉任务从此池中获取多个线程。

但是，还有其他方法可以控制和限制dask worker中的并发性。 在您的情况下，您可以考虑定义工作者资源 。 这可以让你阻止许多大任务同时在同一个工人上运行。

在下面的示例中，我们定义每个worker有一个Foo资源，每个任务需要一个Foo才能运行。 这将阻止任何两个任务在同一个worker上同时运行。

dask-worker scheduler-address:8786 --resources Foo=1
dask-worker scheduler-address:8786 --resources Foo=1

。

from dask.distributed import Client
client = Client('scheduler-address:8786')
futures = client.map(my_expensive_function, ..., resources={'Foo': 1})

Answer 2

下面是一个示例，当您希望在python而不是命令行中启动worker时分配资源约束：

from dask.distributed import Client
from dask import delayed
import time
import os

client_with_foo = Client(processes = False,
    n_workers= 2,
    threads_per_worker=10,
    resources = {'foo':1}
               )

@delayed
def do_work(cmd=None, interval=2):
    time.sleep(interval)
    return None


task_graph = []
for i in range(10):
    task_graph.append(do_work())

start = time.time()
result = client_with_foo.compute(task_graph, resources = {'foo':1})
output = client_with_foo.gather(result)
end = time.time()
print(end - start)

分配给两个工作人员的10个2秒任务需要10秒才能执行，因此上述代码的输出大约为10。