分布式集群指的是将多台物理机连接在一起，共同执行一个程序。
Python中并行运算的框架工具
Dask
Dask是用于Python中并行计算的灵活库。Dask由两部分组成：第一部分是动态任务调度针对计算进行优化。这类似于 Airflow，Luigi，Celery或Make，但已针对交互式计算工作负载进行优化；第一部分是“大数据”集合（例如并行数组，数据帧和列表）将诸如NumPy，Pandas或Python迭代器之类的通用接口扩展到内存或分布式环境。这些并行集合在动态任务计划程序之上运行。
官网：https://dask.org/
优点：教程众多，功能强大
缺点：与现有项目偏差较大，现有的工作是获取一个简单的集群工具，使得已有的程序能够进行分布式集群计算，如果采用Dask工具，可能要对已有的程序进行大改。
mpi4py(MPI for Python)
mpi4py是MPI为Python编程语言提供了消息传递接口（MPI）标准的绑定，从而允许任何Python程序利用多个处理器。
官网：https://pypi.org/project/mpi4py/
安装教程1：https://blog.csdn.net/qq_42081776/article/details/90807905?utm_medium=distribute.pc_relevant.none-task-blog-searchFromBaidu-6.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-searchFromBaidu-6.control
安装教程2：https://blog.csdn.net/mengmengz07/article/details/70163140?utm_medium=distribute.pc_relevant.none-task-blog-searchFromBaidu-14.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-searchFromBaidu-14.control
安装教程3：https://blog.csdn.net/ztf312/article/details/80832506
优点：功能强大，教程众多
缺点：好像没啥缺点，但相比与Ray和ParallelPython需要更改的代码更多。
PP(Parallel Python)
并行Python是一个python模块，提供在SMP（具有多个处理器或内核的系统）和群集（通过网络连接的计算机）上并行执行python代码的方案。
官网：https://www.parallelpython.com/
优点：简单实现
Parallel Python示例
缺点：现在不维护了，大部分教程和示例都是基于python2.开发的，基于python3.开发的示例很少。
ray
Ray提供了用于构建分布式应用程序的简单通用API。
官网：https://ray.io/
网友评论