CGraph框架中多条件动态任务流的设计与实现

多条件任务流的核心挑战

在现代任务调度系统中，经常会遇到需要根据多个前置条件动态决定后续执行路径的场景。这种需求在CGraph这样的DAG（有向无环图）任务调度框架中尤为常见。开发者通常面临两个核心问题：如何判断多个条件是否满足，以及如何让后续任务根据这些条件动态调整执行逻辑。

CGraph的解决方案：GMultiCondition与GParam协同

CGraph框架提供了GMultiCondition组件与GParam机制的协同工作方式，可以优雅地解决这一难题。

GMultiCondition的条件判断

GMultiCondition是CGraph中专门用于多条件判断的组件。开发者可以继承这个类并实现isMatch()方法，在其中定义具体的条件判断逻辑。当多个节点中的条件被触发时，这些判断结果会被记录下来。

GParam的全局状态共享

CGraph的GParam机制为整个任务流提供了全局状态共享的能力。在isMatch()方法中，开发者可以将判断结果写入GParam中。例如：

class MyCondition : public GMultiCondition {
public:
    CVoid isMatch() override {
        bool condition1 = checkSomething();
        bool condition2 = checkAnotherThing();
        
        // 将条件结果写入全局参数
        auto param = this->createGParam<MyParam>("param-key");
        param->condition1 = condition1;
        param->condition2 = condition2;
    }
};

后续任务的动态执行

后续任务节点可以通过读取GParam中的值来动态调整自己的行为：

class MyTask : public GNode {
public:
    CSTATUS run() override {
        auto param = this->getGParam<MyParam>("param-key");
        if (param->condition1) {
            // 执行条件1相关的逻辑
        }
        if (param->condition2) {
            // 执行条件2相关的逻辑
        }
        return STATUS_OK;
    }
};

实际应用场景

这种设计模式特别适用于以下场景：

1. 多条件工作流：当后续任务需要根据多个前置任务的结果组合来决定执行路径时
2. 动态决策系统：需要运行时根据条件动态调整执行逻辑的系统
3. 状态共享任务流：多个任务间需要共享状态信息的复杂流程

实现建议

1. 参数设计：为条件判断设计专门的参数类，清晰定义各条件字段
2. 命名规范：为参数使用有意义的key名称，避免冲突
3. 异常处理：在获取参数时考虑参数不存在的情况
4. 性能优化：对于频繁访问的参数，可以考虑缓存机制

总结

CGraph通过GMultiCondition和GParam的组合，提供了一种灵活而强大的方式来处理多条件动态任务流。这种设计既保持了任务调度的清晰性，又提供了足够的灵活性来处理复杂的业务逻辑。开发者可以基于这一模式构建各种复杂的动态执行系统，满足多样化的业务需求。