我正在嘗試使用 dask 編寫一個網格搜索實用程序。目標函數調用包含大量數據的類的方法。我正在嘗試使用 dask 將計算并行化為多核解決方案，而無需復制原始類/數據幀。我在文檔中沒有找到任何解決方案，因此我在這里發布一個玩具示例：import picklefrom dask.distributed import Client, LocalClusterfrom multiprocessing import current_processclass TestClass:    def __init__(self):        self.param = 0    def __getstate__(self):        print("I am pickled!")        return self.__dict__    def loss(self, ext_param):        self.param += 1        print(f"{current_process().pid}: {hex(id(self))}:  {self.param}: {ext_param} ")        return f"{self.param}_{ext_param}"def objective_function(param):    return test_instance.loss(param)if __name__ == '__main__':    test_instance = TestClass()    print(hex(id(test_instance)))    cluster = LocalCluster(n_workers=2)    client = Client(cluster)    futures = client.map(objective_function, range(20))    result = client.gather(futures)    print(result)    # ---- OUTPUT RESULTS ----# 0x7fe0a5056d30# I am pickled!# I am pickled!# 11347: 0x7fb9bcfa0588:  1: 0# 11348: 0x7fb9bd0a2588:  1: 1# 11347: 0x7fb9bcf94240:  1: 2# 11348: 0x7fb9bd07b6a0:  1: 3# 11347: 0x7fb9bcf945f8:  1: 4 # ['1_0', '1_1', '1_2', '1_3', '1_4']我有以下問題：為什么下面的 pickle 函數被調用兩次？我注意到 map 函數的每次迭代都使用 的新副本test_instance，正如您可以從每次迭代的不同類地址以及屬性test_instance.param在每次迭代時設置為 0 的事實中看到的那樣（此行為與我在這里強調的 multiprocessing.Pool 的標準實現不同）。我假設在每次迭代期間每個進程都會收到腌制類的新副本 - 這是正確的嗎？根據(2)，test_instance計算期間內存中有多少個 的副本？是 1 （對于主線程中的原始實例）+ 1 （腌制副本）+ 2 （每個進程中存在的實例）= 4 嗎？有什么辦法可以讓這個值變成1嗎？我注意到，可以通過使用 Ray 庫來獲得一些共享內存解決方案，如本 github 問題中所建議的。