# dask

Правило помогает писать код на Dask с учётом ленивых вычислений, памяти и работы кластера. Подключите его, когда Cursor редактирует Python-проект с Dask.

- правило · `type=rule` · Cursor · ★ 3580
- Автор: sanjeed5
- Лицензия: CC0-1.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/sanjeed5/awesome-cursor-rules-mdc/tree/HEAD/rules-mdc/dask.mdc
- Обновлён: 2026-05-19
- HTML: https://affpapa.org/nevibecode/rules/dask

## Что делает

Правило охватывает устройство Dask-пайплайнов: предлагает сначала находить узкие места в обычном коде, явно управлять `Client` и подбирать размер разделов с учётом памяти воркеров. Оно также объясняет, когда сохранять промежуточные результаты через `persist()` и как не запускать вычисления повторно.

Для обучения моделей scikit-learn описан бэкенд Dask-Joblib; для обработки данных — операции Dask и `map_partitions` вместо частых преобразований в Pandas или NumPy. Правило применяется к файлам `**/*.py`. Dask добавляет накладные расходы, поэтому рекомендации предлагают сначала проверить, действительно ли задаче нужны распределённые вычисления.

## Установка

### Cursor (родная платформа)

**Вручную: положить файлы**
- Файл: `.cursor/rules/dask.mdc` — Во frontmatter: description, globs, alwaysApply

### Claude Code

**Вручную: положить файлы**
- Файл: `.claude/rules/dask.md` — Поле paths во frontmatter ограничивает файлы: globs из источника → paths

### Codex

**AGENTS.md**
- Codex читает AGENTS.md: вставьте текст правила туда

### GitHub Copilot

**Вручную: положить файлы**
- Файл: `.github/instructions/dask.instructions.md` — Поле applyTo задаёт, к каким файлам применять: globs из источника → applyTo

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/rules/dask.md`

### Cline

**Вручную: положить файлы**
- Файл: `.clinerules/dask.md`

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/sanjeed5/awesome-cursor-rules-mdc/tree/HEAD/rules-mdc/dask.mdc

## Когда брать
- найти узкие места до переноса кода на Dask
- подобрать размер разделов под память воркеров
- переиспользовать промежуточные вычисления через `persist()`
- распределить GridSearchCV по кластеру Dask
- избежать повторных вычислений при работе с Pandas и NumPy

## Примеры запросов агенту
- Проверь Python-код в `pipeline.py` и предложи правки по правилу Dask.
- Подскажи, как настроить `Client` и размер разделов для чтения данных в этом файле.
- Перепиши обучение `GridSearchCV`, чтобы оно использовало бэкенд Dask-Joblib.

## Похожие
- [zarr-python](https://affpapa.org/nevibecode/skills/zarr-python.md) — скилл · 1900 установок
- [statistics-math](https://affpapa.org/nevibecode/skills/statistics-math.md) — скилл · 432 установки
- [data-scientist](https://affpapa.org/nevibecode/agents/data-scientist.md) — субагент · 3342 установки
- [Data Cleaning Pipeline](https://affpapa.org/nevibecode/skills/data-cleaning-pipeline.md) — скилл · 589 установок
- [Feature Engineering](https://affpapa.org/nevibecode/skills/aj-geddes-feature-engineering.md) — скилл · 503 установки
- [data-jupyter-python](https://affpapa.org/nevibecode/skills/data-jupyter-python.md) — скилл · 865 установок

Из того же набора: [sanjeed5/awesome-cursor-rules-mdc](https://affpapa.org/nevibecode/by/sanjeed5/awesome-cursor-rules-mdc.md) — 240 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md