要解决Airflow将任务大量派发给一个worker，而忽略了其他worker的问题，可以采取以下措施：

1. 检查Airflow的调度器配置： 确保[scheduler]部分的配置文件中，max_threads参数设置为正常数量的worker数。例如，如果有4个worker，则将max_threads设置为4。

2. 检查任务的DAG定义： 确保在任务的DAG定义中，使用了合适的task和operator。例如，如果要并行执行任务，可以使用Parallelism和Concurrency参数设置合适的数值。

3. 检查任务的调度规则： 确保任务的调度规则（如start_date、end_date、schedule_interval等）是正确配置的。如果任务的调度规则设置不当，可能导致任务只在一个worker上运行。

4. 检查Celery的配置： 如果使用了Celery作为Airflow的执行器，确保Celery的配置文件中，CELERYD_CONCURRENCY参数设置为正确的worker数。例如，如果有4个worker，则将CELERYD_CONCURRENCY设置为4。

以下是一个示例代码，展示了如何使用Airflow的DAG定义来并行执行任务：

from airflow import DAG
from airflow.operators.python_operator import PythonOperator
from datetime import datetime

def task1():
    print("Executing task 1")

def task2():
    print("Executing task 2")

def task3():
    print("Executing task 3")

default_args = {
    'owner': 'airflow',
    'start_date': datetime(2022, 1, 1),
    'concurrency': 2,
    'retries': 1
}

dag = DAG('parallel_dag', default_args=default_args, schedule_interval='@once')

task_1 = PythonOperator(task_id='task_1', python_callable=task1, dag=dag)
task_2 = PythonOperator(task_id='task_2', python_callable=task2, dag=dag)
task_3 = PythonOperator(task_id='task_3', python_callable=task3, dag=dag)

task_1 >> task_2 >> task_3

在上面的示例中，concurrency参数设置为2，表示任务可以并行执行，最多同时运行2个任务。这样可以确保任务被分配给多个worker，而不是只在一个worker上运行。