根据What threads do Dask Workers have active?，一个快活的工人拥有
在其中运行任务的线程池。
如果本质上您的计算大部分是数字运算（例如NumPy和Pandas计算）并完全释放GIL，那么建议运行具有多个线程和一个进程的dask-worker进程。这样可以降低通信成本并通常简化部署。
NumPy的内部使用MKL或OpenBLAS，在正常执行代码时，其线程数等于环境变量OPENBLAS_NUM_THREADS或MKL_NUM_THREADS。
这些参数和dask的计算线程如何一起工作？
答案 0 :(得分：1)
差
默认情况下，大多数现代BLAS / LAPACK实现使用的线程数与逻辑内核数一样多。 Dask将执行相同的操作（假设使用默认配置）。如果您正在执行L3 BLAS操作，那么这可能导致活动线程多于拥有核心的线程，并且总体性能会下降。
我通常设置XXX_NUM_THREADS=1并一起使用时依靠Dask进行并行处理。