我正在寻找一个python库，它将numpy的功能扩展到分布式内存集群上的操作：即"一个并行编程模型，其中程序员将数组视为单个全局数组，而不是位于不同处理器上的多个独立数组。
对于Matlab，麻省理工学院的林肯实验室创建了pMatlab，它允许在集群上进行矩阵代数，而无需过多担心并行编程方面的细节。（以上引文的由来。
对于基于磁盘的存储，pyTables 适用于 python。虽然它没有优化计算在集群中的分布方式，而是优化计算相对于磁盘上的大数据的"分布"方式。- 这相当相似，但仍然缺少一个关键方面。
目标不是从集群中榨取最后一点性能，而是进行科学计算（半交互式），这对于单台机器来说太大了。
python存在类似的东西吗？我的愿望清单是：
- 积极维护
- 直接替代 NUMPY
- 或者与 numexpr 类似的用法
- 并行编程部分的高度抽象：即用户无需显式使用 MPI
- 支持分布式内存集群中的数据局部性
- 支持群集中的多核计算机
这可能有点像相信牙仙，但人们永远不知道......
到目前为止，我发现：
太平洋西北国家实验室（Pacific Northwest National Laboratory）为Global Array提供了一个python接口。请参阅主题"使用 NumPy 和全局数组工具包在 Python 中进行高性能并行计算"下的链接。（尤其是"GA_SciPy2011_Tutorial.pdf"。然而，这似乎又消失了。
DistNumPy：本文对此进行了更详细的描述。然而，这些项目似乎已被放弃。
如果您知道任何软件包或使用过上述两个中的任何一个，请描述您使用它们的经历。
你应该看看Blaze，尽管它目前的发展可能还不够长，无法满足你的需求。从链接页面：
Blaze 是一组富有表现力的紧凑基础抽象，用于 对大量半结构化数据进行组合计算， 任意格式并分布在任意网络上。