用途：优化 Daft 中用户自定义函数（UDF）的性能，适合需要 GPU 推理、UDF 运行缓慢，或关注异步与批处理的场景。
三类 UDF： 无状态：@daft.func，适合简单转换；I/O 密集任务可用 async。 有状态：@daft.cls，适合初始化开销大的场景（如加载模型），支持 gpus=N。 批处理：@daft.func.batch，面向向量化 CPU/GPU 运算（NumPy/PyTorch），速度更快。
常见用法：异步 I/O 可用 @daft.func 定义 async 函数（如通过 aiohttp 请求 Web API）；GPU 批量推理可用 @daft.cls(gpus=1) 在有状态类中加载模型，并用 @daft.method.batch(batch_size=32) 标注批处理方法，再通过 with_column 调用，可传 max_concurrency 控制并发。
调优参数：max_concurrency 控制并行 UDF 实例总数；gpus=N 指定每个实例的 GPU 需求；batch_size 决定每次调用的行数，过小会增加开销，过大可能 OOM；into_batches(N) 可在内存紧张时预先切分分区。
限制：资料未提供具体适用版本、依赖要求、性能数据与许可信息。