就我而言，我在 S3 中有多個文件和一個自定義函數，該函數讀取每個文件并使用所有線程處理它。為了簡化示例，我只生成一個數據幀df，并且假設我的函數是tsfresh.extract_features使用多重處理。生成數據import pandas as pdfrom tsfresh import extract_featuresfrom tsfresh.examples.robot_execution_failures import download_robot_execution_failures, \load_robot_execution_failuresdownload_robot_execution_failures()ts, y = load_robot_execution_failures()df = []for i in range(5):    tts = ts.copy()    tts["id"] += 88 * i    df.append(tts)    df = pd.concat(df, ignore_index=True)功能def fun(df, n_jobs):    extracted_features = extract_features(df,                                      column_id="id",                                      column_sort="time",                                      n_jobs=n_jobs)簇import daskfrom dask.distributed import Client, progressfrom dask import compute, delayedfrom dask_cloudprovider import FargateClustermy_vpc = # your vpcmy_subnets = # your subnetscpu = 2 ram = 4cluster = FargateCluster(n_workers=1,                         image='rpanai/feats-worker:2020-08-24',                         vpc=my_vpc,                         subnets=my_subnets,                         worker_cpu=int(cpu * 1024),                         worker_mem=int(ram * 1024),                         cloudwatch_logs_group="my_log_group",                         task_role_policies=['arn:aws:iam::aws:policy/AmazonS3FullAccess'],                         scheduler_timeout='20 minutes'                        )cluster.adapt(minimum=1,              maximum=4)client = Client(cluster)client使用所有工作線程（失敗）to_process = [delayed(fun)(df, cpu) for i in range(10)]out = compute(to_process)AssertionError: daemonic processes are not allowed to have children僅使用一個線程（OK）在這種情況下，它工作正常，但我浪費資源。to_process = [delayed(fun)(df, 0) for i in range(10)]out = compute(to_process)問題我知道對于這個特定的功能，我最終可以使用多線程和其他一些技巧編寫一個自定義分配器，但我想分配一個工作，讓每個工作人員都可以利用所有資源，而不必擔心太多。