用途：Dask 是 Python 并行与分布式计算库，用于在数据超过可用内存或需要跨集群时扩展现有 pandas/NumPy 代码。它支持单机超内存执行、多核并行加速，以及跨多机的 TB 级分布式计算，可从笔记本（约 100 GiB）扩展到集群（约 100 TiB）。
主要能力：包含五个组件。DataFrames 并行化 pandas 操作，适合超出内存的表格数据、多 CSV/Parquet 文件处理；Arrays 用分块算法扩展 NumPy，适合科学数据（HDF5、Zarr、NetCDF）；Bags 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；Schedulers 控制执行后端（线程、进程、同步、分布式）。
使用方式：操作通常是惰性的，需调用 .compute() 触发。示例：import dask.dataframe as dd; ddf = dd.read_csv('data/2024-*.csv'); result = ddf[ddf['value'] > 100].groupby('category').mean().compute()。数组示例：import dask.array as da; x = da.random.random((100000, 100000), chunks=(10000, 10000)); z = (x + 100).mean(axis=0); result = z.compute()。Futures 需分布式客户端：from dask.distributed import Client; client = Client(); futures = client.map(process, range(100)); results = client.gather(futures); client.close()。
适用场景：ETL 管道、多文件处理、时间序列、日志与 JSON 清洗、大规模数组计算、参数扫描与自定义并行算法。
限制与注意：不要先用 pandas 本地加载再交给 Dask；避免重复 compute()；任务图不宜过大；分块目标约 100 MB；线程适合数值计算，进程适合纯 Python，同步便于调试，分布式提供仪表盘。任务开销约 1 ms，不适合海量微小任务。资料未提供收费、价格或平台信息。