使用 Dask 在 Python 中進行平行計算 | Linux 中國

關於 Python 效能的一個常見抱怨是全域性直譯器鎖[1]（GIL）。由於 GIL，同一時刻只能有一個執行緒執行 Python 位元組碼。因此，即使在現代的多核機器上，使用執行緒也不會加速計算。

但當你需要並行化到多核時，你不需要放棄使用 Python：Dask[2] 庫可以將計算擴充套件到多個核心甚至多個機器。某些設定可以在數千臺機器上配置 Dask，每臺機器都有多個核心。雖然存在擴充套件規模的限制，但一般達不到。

雖然 Dask 有許多內建的陣列操作，但舉一個非內建的例子，我們可以計算偏度[3]：

1. import numpy
2. import dask
3. from dask import array as darray
5. arr = dask.from_array(numpy.array(my_data), chunks=(1000,))
6. mean = darray.mean()
7. stddev = darray.std(arr)
8. unnormalized_moment = darry.mean(arr * arr * arr)
9. ## See formula in wikipedia:
10. skewness = ((unnormalized_moment - (3 * mean * stddev ** 2) - mean ** 3) /
11. stddev ** 3)

請註意，每個操作將根據需要使用盡可能多的核心。這將在所有核心上並行化執行，即使在計算數十億個元素時也是如此。

當然，並不是我們所有的操作都可由這個庫並行化，有時我們需要自己實現並行性。

為此，Dask 有一個“延遲”功能：

1. import dask
3. def is_palindrome(s):
4. return s == s[::-1]
6. palindromes = [dask.delayed(is_palindrome)(s) for s in string_list]
7. total = dask.delayed(sum)(palindromes)
8. result = total.compute()

這將計算字串是否是迴文並傳回迴文的數量。

雖然 Dask 是為資料科學家建立的，但它絕不僅限於資料科學。每當我們需要在 Python 中並行化任務時，我們可以使用 Dask —— 無論有沒有 GIL。