完整代码地址： https://github.com/lymgoforit/dag
一、前言
定时调度系统（定时任务、定时执行）算是工作中经常依赖的中间件系统，简单使用操作系统的 crontab，或基于 Quartz，xxl-job 来搭建任务调度平台，行业有很多优秀的开源产品和中间件。了解其工作和设计原理，有助于我们完善或定制一套适合公司业务场景的任务调度中间件，本文对调度任务的依赖关系及编排展开分析，实现一套工作流，来满足任务间的复杂依赖的场景。本章内容提要：
- 任务调度依赖 & 工作流
- 图相关知识
golang并发相关
二、任务调度依赖
什么是任务依赖？比如 “任务 a” 执行的前提是 “任务 b” 先执行完成，“任务b” 又依赖于 “任务 c” 先执行，那么就形成如下依赖关系。
这个还比较简单，如果复杂点的如下图所示，形成一个工作流，Azkaban 大数据调度器就实现了工作流模式调度依赖，这是一个典型的图应用案例。
三、图数据结构
提到图数据结构，大部分人既熟悉又陌生，因为大学基本都学过，但一般工作场景都不会用到，这里就先简单回顾一下图相关的知识。
图 graph ，图中的元素称为顶点 vertex。图中任一顶点可以与其他顶点建立连线关系，叫做边 edge。
上面图叫 “无向图”，如果边有 “方向” ，那么就是 “有向图” 了。
无向图中，顶点有几条边就叫几度；有向图中，顶点有入度，表示有多少边指向此顶点，顶点的出度表示该顶点有多少边指向 “远方” 。
上图中 a 指向 b，b 指向 d，d 又指向 a， a、b、d 之间形成一个环，如果将顶点比作调度的任务，那么任务a完成必须依赖任务 b，任务 b 又依赖任务 d，任务d又依赖任务 a，那么最终肯定无法完成，因此调度问题使用的是有向无环图 （DAG），比如我们最早那张图。
了解了图的基本概念，那么图结构如何用代码表示出来？这里涉及到图的两种存储方式：邻接矩阵、邻接表。
邻接矩阵底层为二维数据，如果有一条边顶点为 x 和 y，对无向图来说，对应的数据Array[x][y]和Array[y][x]标记为 1；对有向图x->y，只将 Array[x][y] 标记为1即可，下图为使用邻接矩阵表示的无向图和有向图。
对于无向图来说，邻接矩阵沿着红色对角线两边是对称的，如果图的顶点连线比较少，这种叫稀疏图，将存储大量的 0 ，浪费存储空间，这时候可以选择使用邻接表表示，相对稀疏图的叫稠密图，使用邻接矩阵可以更好地查询连通性，其原理也是用空间换时间。下图为使用邻接表表示的无向图和有向图。
最后说下图的遍历，和遍历树一样分为广度优先 BFS 和 深度优先 DFS，但图如果存在成环的情况，访问的节点要做记录，同时可用辅助队列存放待访问的邻接节点。
拓扑排序，对有向无环图的顶点进行遍历，将所有顶点形成一个线性序列，可以用数组（切片）或链表存储，如下图，也是工作中最常见的图表现形式，即标记好根节点（根节点没有父节点，但可以有子节点），除根节点外的其他节点则必须有父节点，而子节点可有可无。下面的Go代码会演示
四、golang 代码实现
回顾了图的相关知识，那么回到最开始的任务依赖工作流中，将每个任务看成图的顶点，任务 a 依赖 任务 b，使用一条有向线从 a 指向 b，最后将所有任务顶点连线形成一个图，这个图是一个有向无环图 DAG，对 DAG 进行拓扑排序，形成一个任务执行链表，反向执行即可解决依赖问题。
注意下图中i才是根节点，a是最后的叶子节点，依赖了前面节点的执行。
首先定义一个图结构体，这里使用邻接矩阵方式存储，图的顶点结构体存储 Key 和 Value 代表任务的相关执行信息。
//图结构
type DAG struct {
Vertexs []*Vertex
}
//顶点
type Vertex struct {
Key string
// 实际工作中，可能还有很多其他字段，如节点的类型、是否是根节点、节点的处理器(执行什么任务）等
Value interface{}
Parents []*Vertex
Children []*Vertex
}
为图添加顶点和添加边，这里是有向图，from 代表边的起始顶点， to 代表边的终止顶点。
//添加顶点
func (dag *DAG) AddVertex(v *Vertex) {
dag.Vertexs = append(dag.Vertexs, v)
}
//添加边
func (dag *DAG) AddEdge(from, to *Vertex) {
from.Children = append(from.Children, to)
to.Parents = append(to.Parents, from)
}
建立 a - i 所有顶点，再对每个顶点连线。
var dag = &DAG{}
//添加顶点
va := &Vertex{Key: "a", Value: "1"}
vb := &Vertex{Key: "b", Value: "2"}
vc := &Vertex{Key: "c", Value: "3"}
vd := &Vertex{Key: "d", Value: "4"}
ve := &Vertex{Key: "e", Value: "5"}
vf := &Vertex{Key: "f", Value: "6"}
vg := &Vertex{Key: "g", Value: "7"}
vh := &Vertex{Key: "h", Value: "8"}
vi := &Vertex{Key: "i", Value: "9"}
//添加边
dag.AddEdge(va, vb)
dag.AddEdge(va, vc)
dag.AddEdge(va, vd)
dag.AddEdge(vb, ve)
dag.AddEdge(vb, vh)
dag.AddEdge(vb, vf)
dag.AddEdge(vc, vf)
dag.AddEdge(vc, vg)
dag.AddEdge(vd, vg)
dag.AddEdge(vh, vi)
dag.AddEdge(ve, vi)
dag.AddEdge(vf, vi)
dag.AddEdge(vg, vi)
对该图进行广度优先遍历，通过引入队列来减少时间复杂度，遍历后生成一个包含所有顶点的 slice 。
-
选择起始节点入队列
-
节点出队列
2.1队列空了，说明遍历完毕返回
2.2 已访问跳过，未访问顶点放入输出slice中
2.3 将节点的所有未访问邻接节点Children放入队列 -
重复执行 2
注意 slice 加入顺序，因为执行要从 i 到 a 的顺序，所以将每次遍历后的元素放到 slice 第一个位置，因为是要找后往前找依赖关系，所以倒着放。
func BFS(root *Vertex) []*Vertex {
q := queue.New()
q.Add(root)
visited := make(map[string]*Vertex)
all := make([]*Vertex, 0)
for q.Length() > 0 {
qSize := q.Length()
for i := 0; i < qSize; i++ {
//pop vertex
currVert := q.Remove().(*Vertex)
if _, ok := visited[currVert.Key]; ok {
continue
}
visited[currVert.Key] = currVert
all = append([]*Vertex{currVert}, all...)
for _, val := range currVert.Children {
if _, ok := visited[val.Key]; !ok {
q.Add(val) //add child
}
}
}
}
return all
}
拓扑排序后的结果列表
最后就是对所有任务进行执行，这里假定每个任务执行需要 5 秒，然后输出执行结果。
func doTasks(vertexs []*Vertex) {
for _, v := range vertexs {
time.Sleep(5 * time.Second)
fmt.Printf("do %v, result is %v \n", v.Key, v.Value)
}
}
通过执行测试用例，可以看到执行按上述生成的 slice 顺序，从左向右逐个执行，满足任务依赖关系。
可以看到是从后往前（从i至a）执行的
但这里有个问题就是执行时间过长，因为每一个都是串行执行，9 个任务要执行 45 秒。那么并行不就解决了？但任务有依赖关系又如何并行呢？
通过这个图即可一目了然明白了，分层执行，上层任务依赖下层，但每一层的任务相互独立可以并发执行。
首先在 BFS 遍历生成顶点的时候，需要生成双层切片：
[0] [] { i }
[1] [] { h, e, f, g }
[2] [] { b, c, d }
[3] [] { a }
func BFSNew(root *Vertex) [][]*Vertex {
q := queue.New()
q.Add(root)
visited := make(map[string]*Vertex)
all := make([][]*Vertex, 0)
for q.Length() > 0 {
qSize := q.Length()
tmp := make([]*Vertex, 0)
for i := 0; i < qSize; i++ {
//pop vertex
currVert := q.Remove().(*Vertex)
if _, ok := visited[currVert.Key]; ok {
continue
}
visited[currVert.Key] = currVert
tmp = append(tmp, currVert)
for _, val := range currVert.Children {
if _, ok := visited[val.Key]; !ok {
q.Add(val) //add child
}
}
}
all = append([][]*Vertex{tmp}, all...)
}
return all
}
同时执行时候按每一层并发执行。这里通过 sync.WaitGroup 保障并发同步等待。
for _, layer := range all {
fmt.Println("------------------")
doTasksNew(layer)
}
//并发执行
func doTasksNew(vertexs []*Vertex) {
var wg sync.WaitGroup
for _, v := range vertexs {
wg.Add(1)
go func(v *Vertex) {
defer wg.Done()
time.Sleep(5 * time.Second)
fmt.Printf("do %v, result is %v \n", v.Key, v.Value)
}(v) //notice 作为参数传递
}
wg.Wait()
}
上述代码注意，遍历变量被并发调度必须进行绑定（节点作为参数传递给协程），如果按下面这样写将会有问题。
for _, v := range vertexs {
go func() {
//...
fmt.Printf(v)
}() // v使用的闭包，但是v在变
}
这是因为for k, v := rang xx 语句中，每次循环变量k和v是重新赋值，并非生成新的变量，如果循环中启动协程并引用变量k和v很可能在循环结束时才开启协程执行，这时所有协程中的变量 k 和v都是同一个变量，输出内容也会完全相同。所以这里将v加入函数参数中，因为 go 函数都是值传递，会重新绑定到新的变量中。
通过并发改造后，执行时间只有20秒了，大大提高了任务执行的效率。
通过本章内容，我们实现了任务调度的工作流模式。
原文地址：https://mp.weixin.qq.com/s?__biz=MzIyMzMxNjYwNw==&mid=2247483920&idx=1&sn=922d3d3e6ff07951fd45d629a960dca3&chksm=e8215d00df56d41679227c299134e7cea9cb9f93094f8597abfd3675a19116da628e02e28042&cur_album_id=1511862059553095681&scene=189#wechat_redirect
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
