Dask 如何使xarray.interp（）并行工作？

我在一个大型3D数据阵列（气象数据：纬度、经度、时间）上使用

xarray.interp

，根据离散映射函数

f

将值（风速）映射到新值。 插值方法似乎只使用一个核进行计算，这使得该过程效率低下。我不知道如何使

xarray

使用多个内核来完成此任务

我确实通过

htop

和

dask

仪表板为

xarray.interp

监控了计算。

htop

仅显示要使用的一个核心，仪表板不显示任何工人的任何活动。我能观察到的唯一

dask

活动是从磁盘加载

netcdf

数据文件。如果使用

.load（）

预加载数据，则此

dask

活动将消失

我还尝试将

scipy.interpolate.interp1d

函数与

xarray.apply_ufunc（）

一起使用，以达到我想要的效果，但也没有观察到任何并行使用（

htop

）或活动（

dask

仪表板）

目前对我来说，最快的方法是使用

numpy.interp

，然后使用原始DataArray的坐标将其重新编译回

xr.DataArray

。但这也不是平行的，只是快了百分之几

在下面的MWE中，在块4中的

da.load（）

语句之后，我没有看到任何

dask

活动

编辑：
当使用例如

htop

进行评估时，代码必须在单独的块1-4中运行。由于

load（）

会导致多核活动，并且会显式（块2）或隐式（由4触发）发生，因此如果将脚本作为一个整体运行，则很容易将多核活动错误地归因于

.interp（）

#1:用于dask仪表板
从dask.distributed导入客户端
client=client（）
显示（客户端）
将xarray作为xr导入
将numpy作为np导入
da=xr.tutorial.open_数据集（“空气温度”，chunks={}）[air']

#2：将数据预加载到内存中
da.load（）

#3：虚拟插值函数
xp=np.linspace（0400,21）
fp=-1*（xp-300）**2
xr_interp_da=xr.DataArray（fp，[（'xp'，xp）]，name='interpolation function'）

#4：我希望它能并行运行，但事实并非如此
f=xr_interp_da.interp（{'xp'：da}）

我运行了那段代码，我的机器的所有核心都有活动，有没有

da.load（）

语句。您是在每个注释之间单独运行语句，还是始终作为一个整体运行@JulianGiles？我没有明确提到这一点（相应地更新了问题）。如果脚本作为一个整体运行，则

.load（）

也会隐式发生，并在我的内核上引发活动。在最后一个代码块（第4个）中，我没有看到多个核心上的活动，我希望有更多的核心参与。我在单独的块中运行代码，并且作为一个整体运行代码，没有

.load（）

语句，我得到了多核活动。并非所有核心都是100%连续活动，但在观看

htop

时，我肯定看到几个核心同时工作。