Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

rootish tasks with resources restrictions are not queued

Aperta
#9,164 4 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
45/100
Tipo di issue
Bug
Chiarezza
Abbastanza chiara
Stato di attività
Tranquilla
Stack tecnologico
python

Direzione di ricerca

Inizia in scheduler.py, in corrispondenza di is_rootish, e riproduci la catena client.submit descritta: attività radice CPU-only che alimentano attività non radice GPU-only. Traccia il modo in cui le restrizioni sulle risorse influenzano l’accodamento e conferma se questo comportamento è intenzionale. Il lavoro è completato quando è stato stabilito il comportamento previsto di rootish e dell’accodamento, con un test di regressione mirato o una spiegazione chiara della risoluzione.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

Hi.

I am using client.submit with resources restrictions for root tasks (only CPU only, not GPU)
Then these root tasks results (futures) are set as input to subsequent client.submit calls (which are then non root tasks) that need to run on GPU only.

In the scheduler.py, the function is_rootish returns False whenever a task has resources, or worker restrictions.

I don't understand why. This cause queuing to be INOP in my case, and memory gradually increasing up to cluster saturation because root tasks (CPU bound tasks) are fulfilled faster than the actual results consumption (non root GPU bound), basically because I have much more CPU workers that GPU workers.

Is this intended, and if yes why ?
Thanks

Lingua principale
Python
Stelle
1.7k
Fork
778
Metriche di merge delle PR
Nessuna PR unita negli ultimi 30g

Preparare l'ambiente

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di dask/distributed

Tutte le issue di dask/distributed

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.