Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

Number of processes started by IPyParallel clusters

Abierto
#693 8 comentarios 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
4/5
Tiempo estimado
3-5 días
Aptitud para principiantes
25/100
Tipo de issue
Documentación
Claridad
Necesita aclaración
Estado de actividad
Estancado
Stack tecnológico
jupyter, python

Línea de trabajo

Comienza con los recuentos de procesos descritos en el issue y compáralos con la documentación de all-connections en la referencia de conexiones enlazada. Determina si los recuentos de procesos de controller y engine comunicados son los esperados y documenta el resultado y cualquier forma compatible de reducirlos; el issue estará terminado cuando el comportamiento y las indicaciones sean claros.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

A lot of users seem to be surprised by the number of processes that are started as part of an IPyParallel cluster. In my testing, we seem to start 2 processes per engine (the engine itself and the nanny), an mpiexec process in case of MPI-Launcher, and 9 processes for the controller. The number of controller processes seem to be higher than expected (5 vs 9) based on: https://ipyparallel.readthedocs.io/en/latest/reference/connections.html#all-connections.

  1. Is this in line with what you expect (9 processes)? If so, is this a documentation issue that we could fix? If not, is this a bug that needs to be fixed?
  2. Is there a way to reduce the number of processes required in general across the board, in particular for the controller?
  3. Can we improve the documentation on this in general?
Lenguaje dominante
Jupyter Notebook
Estrellas
2.6k
Forks
1k
Métricas de merge de PR
Sin PR fusionados en 30 d

Guía de contribución

Abrir la guía de contribución

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de ipython/ipyparallel

Todos los issues de ipython/ipyparallel

Issues similares

Más issues de Distributed Systems

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.