Dask Distributed - 相同的持久数据多个客户端

Question

我们正在尝试使用 Dask Distributed 为前端进行一些繁重的计算和可视化。

现在我们有一个使用 gunicorn 的工作人员连接到现有的分布式 Dask 集群，工作人员使用 read_csv 上传当前数据并持久化到集群中。

我试过使用 pickle 从持久数据帧中保存 future ，但它不起作用。

我们希望有多个 gunicorn worker，每个都有不同的客户端连接到同一个集群并使用相同的数据，但是如果有更多的 worker，每个 worker 都会上传一个新的数据帧。

Answer 1

听起来您正在寻找 Dask 的 publish datasets 能力

一个方便的方法是使用 client.datasets 映射

客户端 1

client = Client('...')
df = dd.read_csv(...)
client.datasets['my-data'] = df

客户端 2..n

client = Client('...')  # same scheduler
df = client.datasets['my-data']