Dask 분산 컴퓨팅 가이드

무엇을 해주나

• Dask의 다섯 가지 핵심 컴포넌트(DataFrame, Array, Bag, Futures, 스케줄러) 중 상황에 맞는 것을 골라줍니다.
• 지연 실행, 청크 크기(약 100MB 권장), map_partitions/map_blocks 활용 등 성능 규칙을 코드와 함께 제시합니다.
• 흔한 안티패턴(로컬에서 전부 읽고 from_pandas, 반복 compute() 호출, 과도한 태스크 그래프)을 바로잡아 줍니다.
• 메모리 오류·느린 시작·병렬화 부진 등 문제 상황별 진단 체크리스트를 제공합니다.
• 상세 문서(references/dataframes.md, arrays.md, bags.md, futures.md, schedulers.md, best-practices.md)를 필요할 때 참조합니다.

이런 분께 추천

• pandas 프로토타입이 RAM 한계에 부딪힌 데이터 분석가·엔지니어
• 수백 개의 CSV/Parquet/JSON 로그 파일을 한 번에 처리해야 하는 분
• 단일 머신에서 클러스터로 워크로드를 확장하려는 ML/과학 컴퓨팅 사용자

활용 예시

1. data/2024-*.csv 수백 개 파일을 하나의 Dask DataFrame으로 읽어 필터링 후 카테고리별 집계하고 Parquet으로 저장하는 ETL 구성.
2. 100,000×100,000 크기의 배열을 청크 단위로 정규화해 Zarr로 저장하는 대규모 배열 연산.
3. Client() 로컬 클러스터를 띄우고 파라미터 스윕을 client.map으로 병렬 실행하며 대시보드로 병목 확인.

이 파일의 지시를 읽고 그대로 따라서 나를 도와줘:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/dask/SKILL.md

내가 원하는 것: (여기에 하고 싶은 일을 쓰세요)

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/dask 폴더를 내 ~/.claude/skills/dask/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.