Skalierung von Python mit Dask

Kapitel 12. Dask produktiv machen: Notebooks, Einsatz, Tuning und Überwachung

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

In diesem Kapitel haben wir die meisten Dinge gebündelt, von denen wir glauben, dass sie für dich entscheidend sind, um von deinem Laptop in die Produktion zu wechseln. Notebooks und Deployments gehören zusammen, denn die Notebook-Schnittstelle von Dask vereinfacht viele Aspekte der Nutzung der verteilten Deployments. Du musst zwar keine Notebooks verwenden, um auf Dask zuzugreifen, und in vielen Fällen haben Notebooks ernsthafte Nachteile, aber für interaktive Anwendungsfälle sind die Kompromisse oft kaum zu schlagen. Interaktive/explorative Arbeit kann zu dauerhaften, geschäftskritischen Workflows werden, und wir erläutern die Schritte, die notwendig sind, um explorative Arbeit in produktive Einsätze zu verwandeln.

Du kannst Dask auf viele Arten einsetzen: Du kannst es auf anderen verteilten Rechenmodulen wie Ray laufen lassen oder es auf YARN oder einer einfachen Sammlung von Maschinen einsetzen. Sobald du deinen Dask-Auftrag bereitgestellt hast, musst du ihn wahrscheinlich noch optimieren, damit du nicht das gesamte AWS-Budget deines Unternehmens für einen Auftrag verbrauchst. Und schließlich musst du, bevor du einen Auftrag aufgeben kannst, eine Überwachung einrichten, damit du weißt, wann er kaputt ist.

Hinweis

Wenn du nur wissen willst, wie du Dask mit Notebooks ...