TBB中的数据流图和依赖图有什么区别
What's the difference between data flow graph and dependence graph in TBB
我已经从
Intel TBB Tutorial，感觉这两个概念有点混乱
我能说 data flow graph 和 dependence graph 的主要区别在于是否有显式共享资源吗？
但似乎我们可以使用带有伪消息的 function_node 来实现 dependence graph，或者使用带有共享全局变量的 continue_node 来实现 data flow graph。
function_node 接受 continue_msg 输入和 continue_node 之间的区别在于接收消息时的行为。这是 "dependence graph."
概念的结果
依赖图的思想是图传递的唯一信息是任务的完成。如果你有四个任务（A、B、C、D）都在同一个共享数据上运行，并且任务 A 和 B 必须在 C 或 D 可以开始之前完成，你定义四个 continue_nodes，并附上节点 A 到 C 和 D 的输出，B 也是如此。您还可以创建一个 broadcast_node<continue_msg> 并将 A 和 B 作为其后继者。 （计算中使用的数据必须可以通过其他方式访问。）
要开始绘制图表，您需要从 continue_msg 到 broadcast_node 执行 try_put。 broadcast_node 向每个后继者（A 和 B）发送一个 continue_msg。
continue_nodes A 和 B 各有 1 个前驱（broadcast_node。）在收到等于其前驱计数 (1) 的 continue_msgs 后，它们将排队等待执行，使用和更新表示计算状态的数据。
当 continue_node A 完成时，它向每个后继节点 C 和 D 发送一个 continue_msg。这些节点每个都有两个前任节点，所以它们 而不是 在收到此消息时执行。他们只记得他们收到了一条消息。
当 continue_node B 完成时，它还会向 C 和 D 发送一个 continue_msg。这将是每个节点收到的第二个 continue_msg，因此任务将排队等待执行它们function_bodies.
continue_nodes仅用图表来表达这个顺序。没有数据从一个节点传输到另一个节点（除了前一个节点完成的信号。）
如果图中的节点 function_nodes 接受 continue_msgs 而不是 continue_nodes，对 broadcast_node 获得 continue_msg 的反应将是
broadcast_node 将 continue_msg 转发给 A 和 B，他们将各自执行 function_bodies。- 节点 A 将完成，并将
continue_msgs 传递给 C 和 D。
- 收到
continue_msg 后，任务将排队执行 C 和 D 的 function_bodies。
- 节点B将完成执行，并将
continue_msg转发给C和D。
- C 和 D 在收到第二个 continue_msg 后，将排队执行他们的 function_bodies 第二次任务。
通知 3. 以上。 function_node 每次收到 continue_msg 时都会做出反应。 continue_node 知道它有多少个前驱，只有当它收到的 continue_msgs 等于它的前驱数时才会做出反应。
如果在计算中使用了很多状态，并且任务的顺序很好理解，则依赖图很方便。 "shared state" 的想法并不一定要求使用依赖图，但是依赖图只能传递所涉及工作的完成状态，因此必须使用共享状态来传递其他数据。
（请注意，我上面描述的完成顺序只是一种可能的顺序。节点 B 可以在节点 A 之前完成，但操作顺序是相似的。）
我已经从 Intel TBB Tutorial，感觉这两个概念有点混乱
我能说 data flow graph 和 dependence graph 的主要区别在于是否有显式共享资源吗？
但似乎我们可以使用带有伪消息的 function_node 来实现 dependence graph，或者使用带有共享全局变量的 continue_node 来实现 data flow graph。
function_node 接受 continue_msg 输入和 continue_node 之间的区别在于接收消息时的行为。这是 "dependence graph."
依赖图的思想是图传递的唯一信息是任务的完成。如果你有四个任务（A、B、C、D）都在同一个共享数据上运行，并且任务 A 和 B 必须在 C 或 D 可以开始之前完成，你定义四个 continue_nodes，并附上节点 A 到 C 和 D 的输出，B 也是如此。您还可以创建一个 broadcast_node<continue_msg> 并将 A 和 B 作为其后继者。 （计算中使用的数据必须可以通过其他方式访问。）
要开始绘制图表，您需要从 continue_msg 到 broadcast_node 执行 try_put。 broadcast_node 向每个后继者（A 和 B）发送一个 continue_msg。
continue_nodes A 和 B 各有 1 个前驱（broadcast_node。）在收到等于其前驱计数 (1) 的 continue_msgs 后，它们将排队等待执行，使用和更新表示计算状态的数据。
当 continue_node A 完成时，它向每个后继节点 C 和 D 发送一个 continue_msg。这些节点每个都有两个前任节点，所以它们 而不是 在收到此消息时执行。他们只记得他们收到了一条消息。
当 continue_node B 完成时，它还会向 C 和 D 发送一个 continue_msg。这将是每个节点收到的第二个 continue_msg，因此任务将排队等待执行它们function_bodies.
continue_nodes仅用图表来表达这个顺序。没有数据从一个节点传输到另一个节点（除了前一个节点完成的信号。）
如果图中的节点 function_nodes 接受 continue_msgs 而不是 continue_nodes，对 broadcast_node 获得 continue_msg 的反应将是
broadcast_node将continue_msg转发给 A 和 B，他们将各自执行 function_bodies。- 节点 A 将完成，并将
continue_msgs传递给 C 和 D。 - 收到
continue_msg后，任务将排队执行 C 和 D 的 function_bodies。 - 节点B将完成执行，并将
continue_msg转发给C和D。 - C 和 D 在收到第二个 continue_msg 后，将排队执行他们的 function_bodies 第二次任务。
通知 3. 以上。 function_node 每次收到 continue_msg 时都会做出反应。 continue_node 知道它有多少个前驱，只有当它收到的 continue_msgs 等于它的前驱数时才会做出反应。
如果在计算中使用了很多状态，并且任务的顺序很好理解，则依赖图很方便。 "shared state" 的想法并不一定要求使用依赖图，但是依赖图只能传递所涉及工作的完成状态，因此必须使用共享状态来传递其他数据。
（请注意，我上面描述的完成顺序只是一种可能的顺序。节点 B 可以在节点 A 之前完成，但操作顺序是相似的。）