线性回归外推的大数据分析

我正在做一个项目来预测在不到 2 小时（7200 秒）内处理一个巨大的气候数据文件 (.nc) 需要多少 cpu。依次需要超过 100,000 秒。我已经完成了整个程序来顺序和并行处理数据，最多 8 个工人（我的 cpu 限制）。

该程序获取包含一整天气候数据的数据文件，并将其划分为小时 (25)，以便每小时处理一次。处理完成后，我在代码中使用了一个秒表来记录每个工人所花费的时间。为了更容易地处理和测试并行处理，我使用了数据的一个子集（整个文件有超过 270,000 个数据块）。

如何使用从数据子集中获取的时间来推断整个数据文件所需的 cpu？我一整天都被这个问题迷住了......

提前致谢！