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。
立即学习“Python免费学习笔记（深入）”；
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。
