使用 Dask 在 Python 中進行並行計算

關於 Python 性能的一個常見抱怨是全局解釋器鎖（GIL）。由於 GIL，同一時刻只能有一個線程執行 Python 位元組碼。因此，即使在現代的多核機器上，使用線程也不會加速計算。

但當你需要並行化到多核時，你不需要放棄使用 Python：Dask 庫可以將計算擴展到多個內核甚至多個機器。某些設置可以在數千台機器上配置 Dask，每台機器都有多個內核。雖然存在擴展規模的限制，但一般達不到。

雖然 Dask 有許多內置的數組操作，但舉一個非內置的例子，我們可以計算偏度：

import numpy
import dask
from dask import array as darray

arr = dask.from_array(numpy.array(my_data), chunks=(1000,))
mean = darray.mean()
stddev = darray.std(arr)
unnormalized_moment = darry.mean(arr * arr * arr)
## See formula in wikipedia:
skewness = ((unnormalized_moment - (3 * mean * stddev ** 2) - mean ** 3) /
            stddev ** 3)

請注意，每個操作將根據需要使用儘可能多的內核。這將在所有核心上並行化執行，即使在計算數十億個元素時也是如此。

當然，並不是我們所有的操作都可由這個庫並行化，有時我們需要自己實現並行性。

為此，Dask 有一個「延遲」功能：

import dask

def is_palindrome(s):
    return s == s[::-1]

palindromes = [dask.delayed(is_palindrome)(s) for s in string_list]
total = dask.delayed(sum)(palindromes)
result = total.compute()

這將計算字元串是否是迴文並返回迴文的數量。

雖然 Dask 是為數據科學家創建的，但它絕不僅限於數據科學。每當我們需要在 Python 中並行化任務時，我們可以使用 Dask —— 無論有沒有 GIL。

via: https://opensource.com/article/19/4/parallel-computation-python-dask

作者：Moshe Zadka (Community Moderator) 選題：lujun9972 譯者：geekpi 校對：wxy

本文由 LCTT 原創編譯，Linux中國 榮譽推出

本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive