具有Dask分布的Streamz
基于streamz,可以通过以下方式利用dask分布式集群:具有Dask分布的Streamz,dask,dask-distributed,Dask,Dask Distributed,基于streamz,可以通过以下方式利用dask分布式集群: from distributed import Client client = Client('tcp://localhost:8786') # Connect to scheduler that has distributed workers from streamz import Stream source = Stream() (source.scatter() # scatter local elements
from distributed import Client
client = Client('tcp://localhost:8786') # Connect to scheduler that has distributed workers
from streamz import Stream
source = Stream()
(source.scatter() # scatter local elements to cluster, creating a DaskStream
.map(increment) # map a function remotely
.buffer(5) # allow five futures to stay on the cluster at any time
.gather() # bring results back to local process
.sink(write)) # call write locally
for x in range(10):
source.emit(x)
从概念上讲,我们不清楚为什么不必将dask分布式客户机作为参数传入以实例化Stream()
。更具体地说,Stream()
如果有两个调度器在不相关的节点上有工作节点,您会怎么做,如:
from distributed import Client
client_1 = Client('tcp://1.2.3.4:8786')
client_2 = Client('tcp://10.20.30.40:8786')
如何分别为client_1
和client_2
创建两个流?Dask中的基本规则是,如果定义了分布式客户端,则将其用于任何Dask计算。如果有多个分布式客户机,请使用最近创建的仍处于活动状态的客户机
Streamz不允许您在.scatter()
时显式选择要使用的客户端,它使用dask.distributed.default_client()
来选择一个。您可能希望向他们提出一个问题,以允许使用client=
关键字。该工作流甚至不适合基于上下文的方法。现在,如果您想让多个streamz同时处理不同Dask集群上的数据,您可能必须在引擎盖下操纵Dask.distributed.client.\u global\u clients
好的,那么streamz.scatter()
调用Dask.distributed.default\u client()
。import distributed
和import dask.distributed
之间有区别吗?我看到了两者,但我不确定它们是否相同,或者一个是否优于另一个。import distributed
是较旧的标准,现在通常建议从dask
导入。