使用networkxPython创建并执行任务工作流

问题描述

摘要：

目标是运行由步骤（图形节点）及其依赖关系（图形边缘）的集合创建的工作流。

是否可以创建networkx.DiGraph()并运行遍历以在不同节点上执行回调？

示例：

请查看示例图：

对于那组任务和依赖项，执行的可能性是：

1. 以步骤a为切入点
在步骤b之后的
2. 步骤a
3. 在步骤c之后立即并行执行步骤d和b（步骤c首先完成）
4. 步骤g之后的步骤c（步骤d仍在进行中）
5. 步骤e之后的步骤d（因为步骤c已经完成）
在步骤f之后的
6. 步骤e

或

1. 将步骤a作为入口点
在步骤b之后的
2. 步骤a
3. 在步骤c之后立即并行执行步骤d和b（步骤d首先完成）
4. 并行执行步骤g和e（因为步骤d在步骤c之前完成了）
在步骤f之后的
5. 步骤e

下面，请在networkx中找到创建此示例图的代码段：

import networkx as nx

W = nx.DiGraph()

nodes = ["a","b","c","d","e","f"]
edges = [("a","b"),("b","c"),("c","g"),"d"),"e"),("d",("e","f")]
W.add_nodes_from(nodes)
W.add_edges_from(edges)

是否有已知的解决方案以上述方式遍历图，打印节点的值（步骤名称）并随机休眠几秒钟以模拟正在运行的任务并执行一些计算？ （使用基本的多线程）

谢谢。

解决方法

拓扑排序（nx.topological_sort）将返回任务的有效序列。
示例：

>>> list(nx.topological_sort(W))
['a','b','d','c','e','f','g']

如果您希望可以同时执行多组任务，则可以对其进行一些更改以进行分组。

def topological_sort_grouping(g):
    # copy the graph
    _g = g.copy()
    res = []
    # while _g is not empty
    while _g:
        zero_indegree = [v for v,d in _g.in_degree() if d == 0]
        res.append(zero_indegree)
        _g.remove_nodes_from(zero_indegree)
    return res

示例：

>>> topological_sort_grouping(W)
[['a'],['b'],['c','d'],['e','g'],['f']]

给出组，您可以遍历它们并同时在同一组中执行。