巨大的 Markdown 文档在现实中基本不是需要考虑的需求。

如果有，就拆开来写，然后 pandoc 合并就能随意渲染成任何输出格式。

@NewDraw 你也知道手动是你之前公司的术语啊，那不应该给新的公司的面试官解释一下嘛？我感觉从你的描述来看，你的沟通能力问题更大一点。。。

中文字符之间加一堆英文标点、空格，那样的文本我感觉很丑。。。

有 IPv4 和 IPv6 线路分开测试的嘛

@lynskylate 你看如果是个人领用的主机，临时装个 Ubuntu + Docker + 部署简单的专用调度器，还是很容易的。但如果部署 Kubernetes，那场景太美了。。。

@lynskylate 举个例子，我们实验室目前有三台公共 GPU 机器，其中一台有 10 块 1080 Ti，一台有 4 块 1080 Ti，另一台有 4 块 Titan X。另外还有 3 块 RTX 2080 Ti 分布在个人领用的主机上。有公共的 Moose FS 文件系统，有 Docker Registry，有内网，所以这些设备必要时都可以连入局域网进行计算。

事实上前段时间我投稿 NIPS 的时候，就是每台我能控制的机器上面都起动了一个 Jupyter Lab，然后开 https://github.com/dask/dask 这个东西用 50 行写的调度器，直接每块 GPU 分别跑各个参数的重复实验，总共跑了 400 多个实验，共 265 天 GPU 时。不过也仅限于单机调度了，多机调度我是靠人肉划分任务，调度在不通的 Dask Cluster 上运行的。

寒假里面我还用过一段时间的 Azure 服务器，因为实验室春节关机。。。
----

这样的场景其实很多的，因为世界上有好多大学实验室。然而工业界的调度程序基本不考虑这种场景的易用性，所以我觉得有个开源项目如果能照顾一下这种场景，还是极好的。

@lynskylate 架构太复杂，对于学校实验室而言 over-kill 了。

Mesos 集群其实也是比较 advanced 的情况了。一个单机版的调度程序也是很有意义的。如果把单机调度考虑进去，那么兼容性 API 就需要照顾单机版 + Mesos + 云服务了。当然 Kubernetes 考虑进去也无妨。

@iwanthope 这个得做成 App，而不是做成 Lib。因为研究者可不想搞一堆有的没的工具。

而且 Hadoop 不太好调度 GPU。

以及对于云服务而言，这个系统最好能够自动创建资源、调度程序、然后自动销毁资源。。。

做一个系统，能够以相同的 API 把实验程序调度到本地集群（ Mesos ）或者云服务器（ Amazon，阿里云等）上运行。

实验程序的特征是本身运行时间长、独占资源（比如独占一块显卡、若干 CPU 和内存）、大部分情况下不提供服务，而是处理输入数据、执行计算、产生输出数据。这类程序在做机器学习实验时经常遇到。

现有的云资源管理框架基本上都是面向 web 服务的，比如 Kubernetes、Marathon 之类的。它们处理的特征是高可用性、自动调度程序到集群上运行、处理端口映射之类的。和实验程序的场景很不一样。

----

相同 API 是难点，因为本地集群和云服务集群的特征不太一样。但是对于研究者而言，他们肯定不希望知道云服务集群的细节。他们大致上希望系统自动处理输入数据传输到云上、以及输出数据自动取回本地（集群）。

据我的观察，网易云音乐有 bug，会导致全屏游戏弹出。

@murmur 但并不是所有人都只看 cpu、内存、显卡、硬盘。

2 倍缩放现在是我买设备第一考虑的因素。包括 Windows 台式机我也是 4K 27 寸屏幕开 200 % 的。

mac 一些独占的软件也是我考虑的范畴，比如 texpad。不过这些问题可能还好。

还有就是类 unix 的开发环境，这点 windows 不太好用，linux 桌面又不好用，所以还是 mac 比较好。

LF

实在不行楼主你用 base64 编码一下呗。。

了解一下 JIT 谢谢。

1、好丑 + 1.
2、心疼楼主，纯 Windows API 写这东西可不容易。然而我看不到必要性。。。但凡能够用钱解决的都不是问题，楼主这个场景，买台二奶笔记本不就解决了……

Flask 是独占主线程的，而你在 Flask 主线程里面起 asyncio，确实没啥用。。。