DAGDirected Acyclic Graph

你可能会说

十个任务互相依赖，怎么排才能顺序对、又能同时跑，还不会互相卡死？

DAG（有向无环图）是带方向的依赖图：箭头表示谁要先做完，并且顺着箭头走不能绕回起点。例如上线检查里，构建要先跑，单测和文案检查可以同时跑，最后才生成汇总报告；要是写成「汇总报告 → 又回到构建」，图里就有了环，调度器会直接拒绝执行。

也常被叫作有向无环图Directed Acyclic Graph依赖图

运行结构 · 节点、依赖边、无环

① 节点构建 / 单测 / 汇总报告→② 依赖边汇总要等构建和单测都完成→③ 无环顺着箭头走，回不到起点④ 拓扑顺序：先跑没有前置的，单测和文案检查同时跑

⑤ 拒绝执行成环 → 报错前置失败 → 下游不跑

一个具体任务：构建、单测、汇总报告。节点只说做什么，先后由边决定

从 A 指向 B，表示 B 要等 A 完成。数一数还有几个前置没完成，就是入度

顺着箭头走不能回到出发的节点。出现回路，说明有两步在互相等

入度为 0 的先跑，互不依赖的可以同时跑；任务再多也照这个顺序排

跑之前先查有没有环、依赖是否存在；有问题当场拒绝，不等跑到一半才发现

容易混淆？这样区分

DAG≠流程图

流程图允许画回路表示「返工」，人看得懂就行；DAG 要交给调度器执行，回路意味着有两步永远互相等，跑之前就会被拒绝。

DAG≠Agent 循环

循环是走一步看结果再定下一步，路线不固定；DAG 提前把依赖写死，适合步骤清楚的批处理。两者常叠着用：DAG 管整体顺序，某个节点里放一个 Agent。

常见做法 · Variants

交给调度器Airflow / Spark

写依赖→按图跑

依赖写在配置或代码里，自带重试、回填和可视化；要学它那套写法，几个小任务会显得重

自己排依赖Topological sort

数入度→先跑 0 的

几十个任务够用，不用引入框架；并行、超时、失败后从哪继续，都得自己写

让 Agent 自己排No graph

模型判断→下一步

探索类任务更灵活；同一个任务跑两次步骤可能不一样，出了问题不好复现

典型使用场景

十份材料一起整理：三组并行抽取，再统一汇总

抽取 1-4抽取 5-7抽取 8-10

汇总等三组都完成，再合并成一份

第 6 份失败：只重跑那一组，另外两组不用重来

上线检查：有一项没过，汇总报告不生成

构建 ✓单测 ✓文案检查 ✕

汇总报告 前置没全过，不生成

下游停在原地，不用等人发现报告缺了