python - Streamz / Dask：收集不等待缓冲区的所有结果

进口：

from dask.distributed import Client
import streamz
import time

模拟的工作量：

def increment(x):
    time.sleep(0.5)
    return x + 1

假设我想在本地Dask客户端上处理一些工作负载：

if __name__ == "__main__":
    with Client() as dask_client:
        ps = streamz.Stream()
        ps.scatter().map(increment).gather().sink(print)

        for i in range(10):
            ps.emit(i)

这可以按预期工作，但是sink(print)当然会强制等待每个结果，因此流将不会并行执行。

但是，如果我buffer()用来允许结果被缓存，那么gather()似乎不再正确地收集所有结果，并且解释器在获得结果之前退出。这种方法：

if __name__ == "__main__":
    with Client() as dask_client:
        ps = streamz.Stream()
        ps.scatter().map(increment).buffer(10).gather().sink(print)
                                     # ^
        for i in range(10):          # - allow parallel execution 
            ps.emit(i)               # - before gather()

... 不会为我打印任何结果。Python解释器只是在启动脚本后不久且在 buffer()发出结果之前不久退出，因此不会打印任何内容。

但是，如果主进程被迫等待一段时间，则结果以并行方式打印（因此它们不会彼此等待，而是几乎同时打印）：

if __name__ == "__main__":
    with Client() as dask_client:
        ps = streamz.Stream()
        ps.scatter().map(increment).buffer(10).gather().sink(print)

        for i in range(10):
            ps.emit(i)

        time.sleep(10)  # <- force main process to wait while ps is working

这是为什么？我认为gather()应该等待一批10个结果，因为buffer()应该在将它们刷新到之前并行缓存正好10个结果gather()。为什么gather()在这种情况下不阻止？

是否有一种很好的方法来检查Stream是否仍然包含正在处理的元素，以防止主进程过早退出？