在一个dask包上依次迭代

Question

我需要将非常大的dask.bag元素提交给非线程安全商店，即我需要类似

的内容

for x in dbag:
    store.add(x)

我不能使用compute，因为包很大，以适应内存。 我需要更像distributed.as_completed的东西，但它适用于行李，distributed.as_completed没有。

Answer 1

我可能会继续使用普通计算，但添加一个锁

def commit(x, lock=None):
    with lock:
        store.add(x)

b.map(commit, lock=my_lock)

您可以在哪里创建threading.Lock或multiprocessing.Lock，具体取决于您正在进行的处理类型

如果您想使用as_completed，您可以将行李转换为期货并在其上使用as_completed。

from distributed.client import futures_of, as_completed
b = b.persist()
futures = futures_of(b)

for future in as_completed(futures):
    for x in future.result():
        store.add(x)

你也可以转换为数据帧，我相信它会更明智地迭代

df = b.to_dataframe(...)
for x in df.iteritems(...):
    ...