我们如何选择通过kubernetes上的helm分布式运行的dask中每个工作人员的N读数据和NPROC？

我正在Dask上运行一些I/O密集型Python代码，希望增加每个工作线程的数量。我已经部署了一个Kubernetes集群，它运行通过分发的Dask。我从中看到，工作线程的数量设置为CPU的数量，但我想将线程的数量设置得更高，除非这是反模式。我该怎么做

---

看起来我可以通过ssh连接到dask调度程序，并使用

dask worker

启动worker？但理想情况下，我可以通过helm配置worker资源，这样我就不必与调度器交互，只需通过

客户机向其提交作业
 Python中的线程处理是一门非常细致的艺术，它实际上取决于您的代码。简单来说，-nproc几乎肯定应该是1，如果您想要更多的进程，请启动更多的副本。对于线程计数，首先要记住GIL意味着一次只能有一个线程运行Python代码。因此，您只能在两种主要情况下获得并发性增益：1）一些线程在I/O上被阻塞，比如等待数据库或web API的回复；2）一些线程在NumPy或friends中运行非GIL绑定的C代码。对于第二种情况，您仍然无法获得比CPU数量更多的并发性，因为这只是一次要运行的插槽数量，但在某些情况下，第一种情况可以受益于比CPU更多的线程
 Kubernetes资源限制和请求应与dask worker命令的--memory limit和--nthreads参数匹配。有关更多信息，请遵循链接（Dask官方文档中描述的最佳实践）和
Dask的掌舵图有一个限制，不允许在图表中设置--n读数。我向Dask团队确认了这一点，并提出了一个问题：

同时，用于更高程度的定制