Python 生成器何时转换为Dask中的列表？

在Dask中，生成器什么时候转换为列表，或者它们通常是惰性地使用的？ 例如，使用以下代码：

from collections import Counter
import numpy as np
import dask.bag as db

def foo(n):
    for _ in range(n):
        yield np.random.randint(10)

def add_to_count(acc, x):
    acc.update(x)
    return acc

def add(x,y):
    return x + y

b1 = db.from_sequence([1,2,3,4,5])
b2 = b1.map(foo)
result = b2.fold(add_to_count, add, Counter())

我得到以下输出，其中发电机 已（合理地）转换为清单供我检查：

>>> b2.compute()
[[5], [5, 6], [3, 6, 1], [5, 6, 6, 0], [5, 6, 6, 0, 3]]

虽然合理，但它不同于我通常期望生成器在Python中的行为，即需要显式转换为列表

因此，在计算

折叠时（
result.compute（）
），
是
add\u to\u count
的输入参数
x
生成器，还是已转换为列表

我对列表很长的情况很感兴趣，
所以惰性评估更有效，比如，
b1=db.from_序列（[10**6]*10）

我猜我也可以用
bag.frequencies
解决上面的问题，但我对延迟计算和有效缩减也有类似的担忧

Dask是否有一个基本方面我不是在摸索，或者我只是在偷懒，我在哪里可以自己研究代码来解决这个问题？
不太合适，但我将提供一个稍微不同的问题的答案：

Dask.bag添加了防御调用，以列出“为您，以防您决定在一次计算中使用该包两次：

x = b.map(func1, b)
y = b.map(func2, b)
compute(x.frequencies(), b.frequencies())

这在使用后端（如多处理或分布式）时也很有用，因为我们不能跨进程边界发送生成器，但可以发送列表

然而，在可能的情况下，这些对
list
的防御性调用会在计算之前进行优化，以促进懒惰

总之，在可能的情况下，一切都应该按照您想要的方式工作，但当懒惰妨碍正确性时，将恢复为具体的非懒惰值。
好吧，很容易，添加
print（type（x））
到
add_to_count（）
尝试使用不同的调度器似乎可以确认
x
确实是一个生成器对象。我会把这个打开一点，以防有什么补充。谢谢。这正是我想要的。文档中是否有概述（我找不到），是否有用？如果你这么认为的话，我可能需要一些帮助来尝试一下。