Python distributed.Client.map用法及代码示例

用法:
map(func, *iterables, key=None, workers=None, retries=None, resources=None, priority=0, allow_other_workers=False, fifo_timeout='100 ms', actor=False, actors=False, pure=None, batch_size=None, **kwargs)

在一系列参数上映射函数

参数可以是普通对象或期货

参数：

func：可调用的: 可调用以安排执行。如果func 返回一个协程，它将在worker 的主事件循环上运行。否则 func 将在工作人员的任务执行器池中运行(有关更多信息，请参阅 Worker.executors。)
iterables：可迭代对象: List-like 要映射的对象。它们应该具有相同的长度。
key：字符串，列表: 任务名称的前缀(如果是字符串)。如果是列表，则为显式名称。
workers：字符串或字符串的可迭代: 一组可以对其执行计算的工作主机名。留空以默认所有工作人员(常见情况)
retries：整数(默认为 0): 任务失败时允许的自动重试次数
resources：字典(默认为 {}): 定义此映射任务的每个实例在worker上所需的resources；例如{'GPU': 2} 。有关定义资源的详细信息，请参阅工作人员资源。
priority：数字: 任务的可选优先级。零是默认值。更高的优先级优先
allow_other_workers：布尔型(默认为 False): 与 workers 一起使用。指示是否可以对不在 workers 集中的工作人员执行计算。
fifo_timeout：str timedelta (默认‘100ms’): 考虑相同优先级的调用之间允许的时间量
actor：布尔型(默认为 False): 这些任务是否应该作为有状态的参与者存在于工人身上。有关更多详细信息，请参阅演员。
actors：布尔型(默认为 False): actor 的别名
pure：布尔型(默认为真): 函数是否纯。为像 np.random.random 这样的不纯函数设置 pure=False 。有关更多详细信息，请参阅默认情况下的纯函数。
batch_size：整数，可选: 分批(最多)batch_size 向调度程序提交任务。较大的批处理大小对于非常大的 iterables 可能很有用，因为集群可以开始处理任务，而稍后的任务是异步提交的。
**kwargs：dict: 额外的关键字参数发送到函数。大值将明确包含在任务图中。

期货的列表、迭代器或队列，具体取决于
输入。

例子：

>>> L = client.map(func, sequence)

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 distributed.Client.map。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：