前面的例子是用集群计算来处理大数据量的运算，在每个子任务中只处理部分数据，从而更充分地利用有限的内存。还有一种情况，是需要完成大运算量的任务，此时也可以使用集群计算，将运算分配到多个服务器中执行，在主程序中汇总结果。

如下面的子程序CalcPi.dfx：

	A	B	C
1	1000000	0	>output@t("Task "+ string(arg1)+ " start...")
2	for A1	=rand()	=rand()
3		=B2*B2+C2*C2
4		if B3<1	>B1=B1+1
5	>output@t("Task "+ string(arg1)+ " finish.")	return B1

参数arg1用来记录任务序号：

这是一个用概率来估算圆周率π的程序。先来看下面的图：

在边长为1的正方形中有1/4个圆，正方形的面积为1，扇形的面积为π/4。那么正方形中的任意1个点落在扇形内的概率就是它们的面积比，也就是π/4。在子程序中，随机生成1,000,000个横纵坐标在[0,1)区间内的点，考察它们距原点的距离，并记录下在扇形内的点的个数，以此来估算π。

主程序如下：

	A	B
1	[192.168.10.229:8281]	20
2	=callx("CalcPi.dfx",to(B1);A1)	=A2.sum()*4/(1000000d*B1)

通过调用20次子程序，用集群计算将20,000,000个点的计算分配到服务器完成，仍然使用前面的服务器。可以在各个服务器的系统信息输出窗口中，看到任务的分配和执行情况：

如果工作总数超过了分机容纳任务总数，当前面任务分配至各个分机进程均已占满时，后面的任务需要等待有进程空闲下来再分配。此时进程出现空闲，任务就会被分配到哪个服务器，每次分配的情况是有可能变化的。各个工作的计算过程各自独立，因此后分配的工作也有可能会先完成，但是并不会影响并行计算结果。

在B2中计算出π的近似值如下，由于是用概率随机计算的，每次获得的结果均有差别：