Python 比预期完成时间长得多的任务

我注意到，使用两个工人进行分布式运行时，每个工人只使用一个核心

以下面的脚本为例，获取

times2

大约需要20秒，获取

时间大约需要5秒

这意味着每个工人使用一个内核执行4个任务，而不是使用所有4个内核并行执行。我还确认，使用资源监视器时，每个工人只使用一个核心

为什么只为worker使用一个内核而不并行执行任务呢？
因为您的函数是纯Python的，所以它可能受到GIL的约束。我建议更改工作线程，使其使用多个进程而不是多个线程。例如，如果运行dask工作进程的计算机有四个内核，则可以按如下方式启动dask工作进程：

dask-worker scheduler-address:8786 --nprocs 4 --nthreads 1

要确认，如果在4核8线程cpu上执行，启动命令是否为：
dask worker scheduler address:8786--nprocs 4--nthreads 8
？我们通常为每个核启动一个线程
--nthreads
可能应该重命名为
--threads per process
这是否意味着--memory limit设置也为per core？当前--memory limit的值在所有进程之间分割