معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Deploy Dask on Marathon

ویژگی	مقدار
سیستم عامل	-
نام فایل	daskathon-1.3.1
نام	daskathon
نسخه کتابخانه	1.3.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Krisztian Szucs
ایمیل نویسنده	szucs.krisztian@gmail.com
آدرس صفحه اصلی	http://github.com/daskos/daskathon/
آدرس اینترنتی	https://pypi.org/project/daskathon/
مجوز	BSD

Daskathon ========= |Build Status| |Gitential| .. |Build Status| image:: https://travis-ci.org/daskos/daskathon.svg :target: https://travis-ci.org/daskos/daskathon .. |Gitential| image:: https://api.gitential.com/accounts/6/projects/116/badges/coding-hours.svg :alt: Gitential Coding Hours :target: https://gitential.com/accounts/6/projects/116/share?uuid=8e3a1985-db2f-4923-885b-8555047f63be&utm_source=shield&utm_medium=shield&utm_campaign=116 Deploy ``dask-worker`` processes on Marathon in response to load on a Dask scheduler. This creates a Marathon application of dask-worker processes. It watches a Dask Scheduler object in the local process and, based on current requested load, scales the Marathon application up and down. Run --- It's not yet clear how to expose all of the necessary options to a command line interface. For now we're doing everything manually. Make an IOLoop running in a separate thread: .. code-block:: python with MarathonCluster(marathon='http://localhost:8080', cpus=1, mem=512, adaptive=True) as mc: with Client(mc.scheduler_address) as c: x = c.submit(lambda x: x + 1, 1) assert x.result() == 2 Create a Client and submit work to the scheduler. Marathon will scale workers up and down as neccessary in response to current workload. .. code-block:: python from distributed import Client c = Client(s.address) future = c.submit(lambda x: x + 1, 10) TODO ---- - [x] Deploy the scheduler on the cluster - [x] Support a command line interface Docker Testing Harness ---------------------- This sets up a docker cluster of one Mesos master and two Mesos agents using docker-compose. **Requires**: - docker version >= 1.11.1 - docker-compose version >= 1.7.1 :: docker-compose up Run py.test:: py.test dask-marathon Web UIs ~~~~~~~ - http://localhost:5050/ for Mesos master UI - http://localhost:5051/ for the first Mesos agent UI - http://localhost:8080/ for Marathon UI History ~~~~~~~ Dask-marathon originally forked from https://github.com/mrocklin/dask-marathon

نحوه نصب

نصب پکیج whl daskathon-1.3.1:

pip install daskathon-1.3.1.whl

نصب پکیج tar.gz daskathon-1.3.1:

pip install daskathon-1.3.1.tar.gz