在 dask 中控制 cores/threads 的数量

Question

我的工作站具有以下规格：

Architecture:        x86_64
CPU op-mode(s):      32-bit, 64-bit
Byte Order:          Little Endian
Address sizes:       46 bits physical, 48 bits virtual
CPU(s):              16
On-line CPU(s) list: 0-15
Thread(s) per core:  2
Core(s) per socket:  8
Socket(s):           1
NUMA node(s):        1
Vendor ID:           GenuineIntel
CPU family:          6
Model:               79
Model name:          Intel(R) Xeon(R) CPU E5-1660 v4 @ 3.20GHz
Stepping:            1
CPU MHz:             1200.049
CPU max MHz:         3800.0000
CPU min MHz:         1200.0000
BogoMIPS:            6400.08
Virtualization:      VT-x
L1d cache:           32K
L1i cache:           32K
L2 cache:            256K
L3 cache:            20480K
NUMA node0 CPU(s):   0-15
Flags:               fpu vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat pse36 clflush dts acpi mmx fxsr sse sse2 ss ht tm pbe syscall nx pdpe1gb rdtscp lm constant_tsc arch_perfmon pebs bts rep_good nopl xtopology nonstop_tsc cpuid aperfmperf pni pclmulqdq dtes64 monitor ds_cpl vmx smx est tm2 ssse3 sdbg fma cx16 xtpr pdcm pcid dca sse4_1 sse4_2 x2apic movbe popcnt tsc_deadline_timer aes xsave avx f16c rdrand lahf_lm abm 3dnowprefetch cpuid_fault epb cat_l3 cdp_l3 invpcid_single pti intel_ppin ssbd ibrs ibpb stibp tpr_shadow vnmi flexpriority ept vpid ept_ad fsgsbase tsc_adjust bmi1 hle avx2 smep bmi2 erms invpcid rtm cqm rdt_a rdseed adx smap intel_pt xsaveopt cqm_llc cqm_occup_llc cqm_mbm_total cqm_mbm_local dtherm ida arat pln pts flush_l1d

我已经实施了 dask 来分发一些计算，我正在这样设置 Client()：

if __name__ == '__main__':
    cluster = LocalCluster()
    client = Client(cluster, asyncronous=True, n_workers=8,
                    threads_per_worker=2)
    train()

当我用 dask.compute(*computations, scheduler='distributed') 调用我的 delayed 函数时，dask 显然正在使用所有资源。仪表板看起来像：

现在，如果我继续将 Client() 更改为：

if __name__ == '__main__':
    cluster = LocalCluster()
    client = Client(cluster, asyncronous=True, n_workers=4,
                    threads_per_worker=2)
    train()

我希望使用一半的资源，但正如您在我的仪表板上看到的那样，情况并非如此。

为什么 dask Client() 仍在使用所有资源？如果对此有任何意见，我将不胜感激。

Answer 1

如果您还没有指定集群，Client class 将为您创建一个集群。 Thos 关键字仅在 not 传递现有集群实例时有效。您应该将它们放入您对 LocalCluster:

的调用中

cluster = LocalCluster(n_workers=4, threads_per_worker=2)
client = Client(cluster, asynchronous=True)

或者您可以直接跳过创建集群

client = Client(asynchronous=True, n_workers=4, threads_per_worker=2)

在 dask 中控制 cores/threads 的数量

Controlling number of cores/threads in dask

python

dask

dask-delayed

dask-distributed