dask能用无休止的流输入工作吗？

Question

我知道达斯克在这样的批处理模式下工作得很好

def load(filename):
    ...

def clean(data):
    ...

def analyze(sequence_of_data):
    ...

def store(result):
    with open(..., 'w') as f:
        f.write(result)

dsk = {'load-1': (load, 'myfile.a.data'),
       'load-2': (load, 'myfile.b.data'),
       'load-3': (load, 'myfile.c.data'),
       'clean-1': (clean, 'load-1'),
       'clean-2': (clean, 'load-2'),
       'clean-3': (clean, 'load-3'),
       'analyze': (analyze, ['clean-%d' % i for i in [1, 2, 3]]),
       'store': (store, 'analyze')}

from dask.multiprocessing import get
get(dsk, 'store')  # executes in parallel

1. 我们是否可以使用dask来处理流通道，其中块的数量是未知的，甚至是无休止的？
2. 它能以增量的方式执行计算吗？例如，上面的“分析”步骤可以处理正在进行的块吗？
3. 我们必须在已知所有数据块之后才调用"get“操作吗?我们是否可以在调用"get”之后添加新块？

Answer 1

编辑:见下面更新的答案

不是

dask中的当前任务调度程序需要一个计算图。它不支持对此图进行动态添加或删除。调度器的设计目的是在少量内存中评估大图；提前了解整个图对此至关重要。

但是，这并不能阻止创建具有不同属性的其他调度程序。这里有一个简单的解决方案，就是在一台机器上使用像conncurrent.futures这样的模块，在多台机器上使用distributed。

实际上是的

分布式调度程序现在完全异步运行，您可以在计算过程中提交任务、等待几个任务、提交更多任务、取消任务、添加/删除工作人员等。有几种方法可以做到这一点，但最简单的可能是这里简要描述的新的concurrent.futures接口：

http://dask.pydata.org/en/latest/futures.html