用途：Dask 是 Python 并行与分布式计算库，提供三项能力：单机超内存执行、多核并行加速、跨机器分布式计算（可支持 TB 级数据）。容量取决于分区大小、中间数据、并发度、存储与可用内存。
主要能力：包含五类组件。DataFrame 并行化 pandas 操作，适合超出内存的表格数据与多文件 CSV/Parquet 处理；Array 以分块算法扩展 NumPy，适合 HDF5、Zarr、NetCDF 等科学数据；Bag 以函数式操作处理文本、JSON、日志等非结构化数据；Futures 基于任务构建自定义并行工作流，支持动态依赖；Scheduler 控制执行后端（线程、进程、同步、分布式）。
使用方式：安装命令为 uv pip install "dask[array,dataframe]==2026.8.0"，完整版用 uv pip install "dask[complete]==2026.8.0"；对象存储需 s3fs 或 gcsfs。要求 Python 3.10+、pandas 2+、PyArrow 16+。DataFrame/Array 操作惰性执行，需调用 .compute()；Futures 需分布式 Client。脚本中进程调度与 Client() 应放在 if name == "main": 保护内，用后关闭客户端与集群。
适用场景：超内存数据处理、pandas/NumPy 规模化、多文件批处理、自定义并行任务、多核或集群分发。
限制：自 2025.1.0 起表达式式 DataFrame API 是唯一实现，不要单独安装 dask-expr 或设置 dataframe.query-planning: False。Futures 每任务约 1ms 开销，不适合海量微小任务。需注意分块大小、避免重复 compute() 与过大任务图。Zarr、HDF5、SciPy、Xarray、Dask-ML 及集群部署包为可选依赖。具体收费与平台支持暂未提供。