python3中graphlib模块如何使用?
文章不知道大家是否熟悉?今天我将给大家介绍《python3中graphlib模块如何使用?》,这篇文章主要会讲到等等知识点,如果你在看完本篇文章后,有更好的建议或者发现哪里有问题,希望大家都能积极评论指出,谢谢!希望我们能一起加油进步!
graphlib模块提供TopologicalSorter类用于DAG拓扑排序,支持添加依赖、处理多前置节点及独立任务,通过static_order获取顺序,prepare与done实现增量调度,遇环抛CycleError。

Python 3.9 引入了 graphlib 模块,主要用于处理有向无环图(DAG)的拓扑排序,特别适合在任务调度、依赖解析等场景中使用。它的核心类是 TopologicalSorter,可以对节点之间的依赖关系进行排序,确保每个节点都在其依赖项之后执行。
1. 基本用法:TopologicalSorter
创建一个 TopologicalSorter 实例,添加节点及其依赖关系,然后调用 static_order() 获取拓扑排序结果。
- from graphlib import TopologicalSorter
- ts = TopologicalSorter()
- ts.add('task2', 'task1') # task2 依赖 task1
- ts.add('task3', 'task2')
- order = tuple(ts.static_order())
- print(order) # 输出: ('task1', 'task2', 'task3')
2. 添加多个依赖或独立节点
一个节点可以依赖多个前置节点,也可以添加不依赖任何其他节点的独立任务。
- ts = TopologicalSorter()
- ts.add('task4', 'task1', 'task2') # task4 依赖 task1 和 task2
- ts.add('task1') # 独立节点
- ts.add('task5') # 另一个独立节点
- order = list(ts.static_order())
- # 可能输出: ['task1', 'task2', 'task5', 'task4'] 或类似顺序
3. 处理复杂依赖与分批准备
对于大型图,可以使用 prepare() 和 done() 方法实现增量处理,适用于异步或并行执行场景。
流程如下:
- 调用 prepare() 获取当前可执行的节点组
- 执行这些节点
- 调用 done() 标记它们已完成,释放后续依赖
- ts = TopologicalSorter()
- ts.add('B', 'A')
- ts.add('C', 'A')
- ts.add('D', 'B', 'C')
- ts.prepare() # 返回可运行的节点,如 A
- ts.done('A') # 标记 A 完成
- ts.prepare() # 现在 B 和 C 可运行
- ts.done('B', 'C')
- ts.prepare() # D 可运行
4. 注意事项与限制
graphlib 要求图必须是有向无环图(DAG)。如果存在循环依赖,调用 static_order() 会抛出 graphlib.CycleError。
- ts = TopologicalSorter()
- ts.add('A', 'B')
- ts.add('B', 'A') # 循环依赖
- list(ts.static_order()) # 抛出 CycleError
基本上就这些。只要理清依赖关系,graphlib 就能帮你自动排好执行顺序,特别适合配置加载、构建系统、任务流水线等场景。不复杂但容易忽略的是 prepare/done 的协作模式,适合需要逐步推进的逻辑。
文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《python3中graphlib模块如何使用?》文章吧,也可关注golang学习网公众号了解相关技术文章。
如何使用Golang实现指针和字符串操作_传递和修改字符串引用
- 上一篇
- 如何使用Golang实现指针和字符串操作_传递和修改字符串引用
- 下一篇
- css多列布局在移动端折叠不平滑怎么办_使用Grid auto-fill和媒体查询
-
- 文章 · python教程 | 13小时前 |
- Python logging Formatter 统一结构化字段输出
- 185浏览 收藏
-
- 文章 · python教程 | 14小时前 | 配置 · python · Python教程 · 配置管理 Python 3.15 frozendict 不可变映射
- Python 3.15 frozendict 内置类型的配置使用场景
- 192浏览 收藏
-
- 文章 · python教程 | 17小时前 | 序列化 · python · Python pickle 进程池 multiprocessing Pool
- Python multiprocessing 进程池传递不可序列化对象
- 255浏览 收藏
-
- 文章 · python教程 | 18小时前 | 数据一致性 · Python教程 · Python 事务 自动提交 sqlite3 autocommit isolation_level
- Python sqlite3 事务模式与自动提交边界
- 197浏览 收藏
-
- 文章 · python教程 | 19小时前 |
- Python contextlib.nullcontext 统一同步异步入口
- 316浏览 收藏
-
- 文章 · python教程 | 20小时前 | 面向对象 · python · Python教程 · InitVar __post_init__ Python dataclass 派生字段 field(init=False)
- Python dataclass __post_init__ 计算派生字段
- 303浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python typing.TypeGuard 处理复杂容器类型收窄
- 437浏览 收藏
-
- 文章 · python教程 | 22小时前 |
- Python os.fspath 支持自定义路径对象
- 214浏览 收藏
-
- 文章 · python教程 | 1天前 | 异常处理 · 异步编程 · Python教程 · asyncio · 后台任务 任务取消 CancelledError Python asyncio asyncio.shield
- Python asyncio.shield 保护后台任务免受外层取消
- 407浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python configparser ExtendedInterpolation 组织分层配置
- 480浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 416次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 496次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 504次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 452次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 281次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

