如下步骤可以运行你的程序：
在你的文件目录下新建一个 lsf.sh 文件，正文写入：
其中 python main.py 是你运行程序的命令，然后:
source activate 你的conda环境
开启环境，用
bsub <lsf.sh 向集群提交运算任务。
即可运行程序，终端会给你一个任务序号，输出文件就是 序号.out 和 序号.err 。
** 其他命令：**
bjobs -W 查看你的任务运行状况
bhosts -gpu 查看集群GPU使用情况。
dask官网地址： https://dask.org/
优势：dask内部自动实现了分布式调度、无需用户自行编写复杂的调度逻辑和程序；通过调用简单的方法就可以进行分布式计算、并支持部分模型的并行化处理；内部实现的分布式算法：xgboost、LR、sklearn的部分方法等
用一句话说：dask就是python版本的spark,是一个用Python 语言实现的分布式计算框架
建议使用：Anaconda3工具包
系统：windows、linux
关于分布式版本安装的注意事项(针对macos)请参考官网：
https://distributed.dask.org/en/latest/install.html
本人实验环境：一台windows机器+3台虚拟化linux服务器，并4台机器均已按照上面步骤安装配置dask
选择Windows机器作为主节点，启动命令：
$ dask-scheduler
控制台显示信息如下：
在其他每台linux机器命令行输入：
$ dask-worker 192.168.1.42:8786
注意：后面跟的ip和端口是主节点的ip和对应服务的端口
通过官网提供的测试例子可以看出dask的确体现了分布式的优势。
如果您觉得有帮助的话，可以扫码，赞赏鼓励一下！谢谢！
