背景

在咱们app开发中，总会遇到各种各样的需要初始化的使命，各个使命又会有各种前后依靠，那么咱们怎么办！手动添加依靠联系，肯定会导致后期依靠本钱过大，所以咱们肯定会引进各种各样的结构去处理这个问题。那么咱们今日就来动手完成这么一个结构！

方针

咱们要完成的方针是：

  1. 支撑Task主动依靠转化，即咱们要完成不管咱们使命如何界说，只需声明了使命的依靠联系，就能主动处理好使命之间的处理联系
  2. 支撑使命循环依靠检测，即咱们使命假如存在循环依靠，那么就要给出相关的提示

拓扑算法

这里咱们开端引进一个小算法了，便是拓扑排序算法（对一个有向无环图(Directed Acyclic Graph简称DAG)G进行拓扑排序，是将G中一切极点排成一个线性序列，使得图中恣意一对极点u和v，若边<u,v>∈E(G)，则u在线性序列中出现在v之前。一般，这样的线性序列称为满足拓扑次序(Topological Order)的序列，简称拓扑序列。简略的说，由某个集合上的一个偏序得到该集合上的一个全序，这个操作称之为拓扑排序。）好啦，咱们看了完全不知道啥意思的官方解说，咱们直接看下图吧！

启动时任务治理-利用拓扑排序

可以看到上图，简略来说，拓扑算法便是 把一幅图「拉平」，并且这个「拉平」的图里面，一切箭头方向都是共同的

拓扑排序有很多种完成的方法，比方BFS （广度优先遍历），DFS （深度优先遍历），这里咱们用BFS的方法完成

基于 BFS 的拓扑排序算法的过程如下：

  1. 计算图中每个节点的入度：遍历一切边，统计每个节点的入度（即指向该节点的边的数量）。
  2. 创立一个行列，将一切入度为 0 的节点参加行列。这些节点没有前驱节点，可以立即处理。
  3. 进入循环：当行列非空时进行如下操作：

a. 从行列中取出一个节点，将其添加到拓扑排序的成果列表中。

b. 遍历以此节点为开头的一切边，将边的结尾的入度减 1。假如边的结尾入度变为 0，则将其参加行列，表明可以处理此节点。

c. 删去此节点及其边。

  1. 假如成果列表中的节点数量与图中节点数量相同，则阐明一切节点都被处理，拓扑排序成功。假如不相同，阐明图中存在环，拓扑排序失利。

这里引荐一篇算法文章 环检测及拓扑排序算法

经过上述的算法，咱们就能完成方针1的内容了，接着，咱们还有方针2，怎么去完成检测到环并且给出详细的节点呢？咱们可以利用过程b的时分，削减入度的这个条件，咱们就可以知道，当产生环的时分，肯定会存在入度不为0的节点，而这个节点，便是咱们需要的环节点！

直接看代码

bard.google.com/ 咱们用GoogleIO大会刚刚推出的基于PaLM 2模型的bard机器人帮咱们写！

val indegree = hashMapOf<ITask, Int>()
val queue = LinkedList<ITask>()
val cycleNodes = mutableListOf<ITask>()
计算一切节点的入度
taskGraph.keys.forEach { it ->
    taskGraph[it]?.forEach { itask ->
        indegree[itask] = indegree.getOrElse(itask) { 0 } + 1
    }
}
taskGraph 是一个图的邻接表完成
taskGraph.keys.forEach {
    if (indegree.getOrElse(it) { 0 } == 0) {
        queue.offer(it)
    }
}
var count = 0
val result = mutableListOf<ITask>()
进入BFS
while (queue.isNotEmpty()) {
    val node = queue.poll() ?: break
    result.add(node)
    count++
    taskGraph[node]?.forEach {
        indegree[it] = indegree.getOrElse(it) { 1 } - 1
        if (indegree[it] == 0) {
            queue.offer(it)
        }
    }
}
环检测
if (count != allTaskSet.size) {
    for (entry in indegree) {
        if (entry.value > 0) {
            cycleNodes.add(entry.key)
        }
    }
    throw java.lang.RuntimeException("find cycle dependents $cycleNodes")
}
return result

（ps：这个模型还不太好用，需要练习一下，才干写出正确的代码，以上代码经过我部分批改）

其实ITask，是咱们界说的一个接口

interface ITask {
    fun handleTask(context:Context)
}

咱们经过上面方法，就能得到一个经过拓扑算法排序好的List，这个时分咱们只需要遍历一遍，调用每个ITask的方法即可

 val list = detectCycleNodes()
    list.forEach {
        it.handleTask(context)
    }

总结

咱们经过了解一个小算法，就能处理咱们的启动时的使命混乱管理的问题，最后上述代码我一致放在BFSLauncher，代码十分简洁，只需两个类，咱们就能处理掉一个大问题！