如何在Dask.array中指定worker的数量

Question

假设您要在Dask.array中指定工作人员数量，如Dask documentation所示，您可以设置：

dask.set_options(pool=ThreadPool(num_workers)) 

这对我运行的一些模拟非常有效，例如montecarlo，但是通过一些线性代数运算，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()

如果我使用较小的矩阵大小运行该程序，它显然只使用num_workers个工作程序，但如果我增加矩阵大小，突然它会创建十几个工作者，如图所示。

那么，我如何只使用num_workers工作人员请求Dask解决问题？

Answer 1

使用线程调度程序时，Dask不会生成任何新进程。相反，它会在您的主要流程中运行所有内容。

但是，这并不会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，你应该注意混合像Dask这样的并行解决方案以及像MKL或OpenBLAS这样的并行BLAS实现。这可能会损害性能。通常最好将两个库中的一个设置为每次调用使用一个线程。

我仍然感到困惑，为什么你会看到多个python进程。据我所知，线程Dask和MKL都没有创建新的计算过程。但是，鉴于MKL线程的数量限制你的积极结果，也许MKL自我上次检查以来已经发生了变化。