Hacktoberfest 2026 : les issues que les mainteneurs ont marquées pour octobre, ouvertes et accessibles aux débutants. Parcourir les issues Hacktoberfest

BroadcastScheduler

Ouverte
#470 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

Évaluation

Difficulté
5/5
Temps estimé
Plus d'une semaine
Accessibilité débutants
25/100
Type d'issue
Fonctionnalité
Clarté
Plutôt claire
Activité
À l'abandon
Stack technique
python
Domaine
distributed-systems

Piste de recherche

Commencez par examiner le prototype BroadcastScheduler et les cas ignorés dans test_view_broacast. Comparez le comportement de broadcast et de direct-view et identifiez les tests, la documentation et les benchmarks manquants décrits dans l’issue. Le travail sera considéré comme terminé lorsque le travail de maturation indiqué aura été traité, notamment avec une décision concernant le coalescing automatique et le remplacement éventuel de directview.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Description

We have landed the prototype BroadcastScheduler for improved scaling of DirectView-style message patterns (same request to all engines), but there's still quite a bit to do. Still to do to bring this to maturity:

  1. document differences between broadcast and direct view, tuning parameters, etc.
  2. ensure broadcast view passes all direct view tests (some noted in skips in test_view_broacast)
  3. include benchmarks comparing dview/broadcast
  4. consider 'automatic' coalescing behavior rather than explicit
  5. when bcast reaches maturity, consider replacing directview with broadcast, as it should be better ~across the board, and only worse when everything is super fast (small messages, small number of engines)
Langage dominant
Jupyter Notebook
Étoiles
2.6k
Forks
1k
Aucune PR mergée en 30 j

Guide de contribution

Ouvrir le guide de contribution

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Autres issues de ipython/ipyparallel

Toutes les issues de ipython/ipyparallel

Issues similaires

Plus d'issues Distributed Systems

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.