用途：Dask 是 Python 并行与分布式计算库，用于处理超过内存的数据集，可将 pandas/NumPy 代码扩展到单机多核乃至多机器集群，从笔记本（约 100 GiB）到集群（约 100 TiB）。
主要能力： 1）DataFrames：并行 pandas 操作，读取多个 CSV/Parquet 文件、过滤、groupby、join、聚合，支持 map_partitions 自定义操作。 2）Arrays：基于分块的并行 NumPy 操作，适用于超内存数组、HDF5/Zarr/NetCDF 科学数据，支持 map_blocks。 3）Bags：处理文本、JSON、日志等非结构化数据，支持 map、filter、fold、foldby，可转换为 DataFrame。 4）Futures：基于任务的并行，可构建动态工作流、依赖任务与有状态计算。 5）Schedulers：线程、进程、同步、分布式执行后端，可按计算切换。
安装：uv pip install "dask>=2025.1"；完整版 uv pip install "dask[complete]"；对象存储可另装 s3fs 或 gcsfs。自 2025.1.0 起基于表达式与查询规划的 DataFrame API 是唯一实现，不要单独安装 dask-expr 或设置 dataframe.query-planning: False。DataFrame I/O 需 PyArrow 16+。
基本用法：操作默认惰性，调用 .compute() 才执行；可用 dask.compute(*computations) 合并多次计算。分布式调度器：from dask.distributed import Client; client = Client(); print(client.dashboard_link)。调试时可用 dask.config.set(scheduler='synchronous')。
适用场景：超内存表格处理、多文件 ETL、科学数组计算、日志与 JSON 清洗、参数扫描等自定义并行工作流。
限制与注意：不要先用 pandas 本地加载再交给 Dask；避免循环中反复 compute()；避免任务图过大；分块建议每块约 100 MB；线程适合数值计算，进程适合纯 Python/GIL 受限代码，分布式适合集群与监控；Futures 每任务约 1 ms 开销，不适合海量微小任务。缺失信息：本资料未提供收费、价格与许可证说明。