在大数据计算MaxCompute中，使用pyodps来增加运行的并行度主要涉及到对作业执行时的资源分配和并发处理的优化。以下是一些建议的方法，帮助您提高pyodps作业的并行度：
合理设置并发度：pyodps允许您设置作业的并发度，即同时处理的数据分片数。通过增加并发度，您可以提高作业的总体处理速度。然而，过高的并发度可能会导致资源竞争和性能下降，因此需要根据实际情况进行权衡和调整。
优化数据分区：合理的数据分区可以使得多个任务能够并行处理不同的数据子集，从而提高并行度。在设计SQL查询时，尽量减少分区的数量，可以通过进行分区裁剪、筛除不需要读的分区、将大作业拆分成小作业等方式来实现。
利用分布式计算模型：MaxCompute本身就是一个分布式计算平台，pyodps可以充分利用其分布式计算的能力。确保您的作业能够充分利用集群中的多个节点进行并行计算，避免单点瓶颈。
优化数据格式和存储：选择合适的数据格式和存储方式可以影响数据的读取和处理速度。例如，使用列式存储格式可以更有效地处理特定列的数据，减少不必要的数据读取。
资源调度和配置：了解并合理利用MaxCompute的资源调度和配置选项。例如，根据作业的需求调整任务的优先级、资源配额等，以确保作业能够获得足够的计算资源并高效运行。
请注意，具体的优化方法可能因您的具体业务场景、数据规模和集群环境而有所不同。因此，在增加并行度时，建议结合实际情况进行尝试和调整，并监控作业的执行情况和性能指标，以便及时发现问题并进行优化。
此外，如果您对pyodps或MaxCompute的使用有更深入的问题或需求，建议查阅官方文档或联系阿里云的技术支持以获取更专业的帮助和指导。