【问题标题】：Dask: delayed vs futures and task graph generation [closed]Dask：延迟与期货和任务图生成[关闭]
【发布时间】：2019-06-11 10:13:36
【问题描述】：
我有几个关于 Dask 的基本问题：
- 当我想使用 dask 进行分布式计算（即在集群上）时，我必须使用 Futures 是否正确？
- 在这种情况下，即使用期货时，任务图是否仍然是推理计算的方式。如果是，我该如何创建它们。
- 一般情况下，我如何才能获得与任务图关联的字典，即无论是使用未来还是延迟工作？
作为编辑：
我的应用是我想在我的本地机器或集群上并行化一个 for 循环（即它应该在集群上工作）。
作为第二次编辑：
我想我也不太清楚 Futures 和延迟计算之间的关系。
谢谢
【问题讨论】：
标签：
python
distributed-computing
dask
【解决方案1】：
1) 是的。如果您通过网络发送数据，则必须有某种方式询问为您进行计算的计算机如何进行数字运算，而 Futures 或多或少准确地代表了这一点。
2) 不。使用 Futures，您正在急切地执行函数 - 尽快启动计算，然后等待结果返回（来自本地的另一个线程/进程，或来自某个远程的您）已将工作卸载到）。这里的相关抽象是 Queque（特别是 Priority Queque）。
3) 例如，对于延迟实例，您可以执行 some_delayed.dask，或者对于数组，Array.dask；可选地将整个内容包装在 dict() 或 vars() 中。不过，我不确定是否可以为每个 API 可靠地设置这种方式（我会假设是这样，但你知道他们对我们两个人的假设有何看法......）。
4) 最简单的类比可能是：延迟本质上是一个花哨的 Python yield 对函数的包装器； Future 本质上是一个花哨的async/await 对函数的包装器。