Taskflow：请求-取消与性能分析

当向Executor（例如tf::Executor::run）提交任务流时，Executor返回一个tf::Future对象，该对象将保存执行结果。tf::Future是来自std::future的派生类。除了std::future的基本方法外，您还可以调用tf::Future::cancel来取消正在运行的任务流的执行。以下示例取消了任务流的提交，该任务流包含1000个任务，每个任务运行一秒钟。

cpp 复制代码

#include <taskflow/taskflow.hpp>
int main() {

    tf::Executor executor;
    tf::Taskflow taskflow;

    for(int i=0; i<1000; i++) {
    taskflow.emplace([](){ 
        std::this_thread::sleep_for(std::chrono::seconds(1));
        std::cout<<"Task\n";
    });
    }

    // submit the taskflow
    tf::Future<void> fu = executor.run(taskflow);

    // std::this_thread::sleep_for(std::chrono::seconds(2));
    // request to cancel the above submitted execution
    fu.cancel();

    // wait until the cancellation completes
    fu.get();

    taskflow.dump(std::cout);
}

当请求取消时，executor将停止调度任务流的其余Task。但已经运行的Task将继续完成。当所有这些运行Task完成后，取消被视为完成。要等待取消完成，您可以明确调用tf::Future::get，注意，一定要调用tf::Future::get等待executor执行完毕，否则可能会有未知的风险：

cpp 复制代码

tf::Executor executor;
{
  tf::Taskflow taskflow;
  
  for(int i=0; i<1000; i++) {
    taskflow.emplace([](){});
  }

  tf::Future fu = executor.run(taskflow);

  fu.cancel();  // there can still be task running after cancellation

} // destroying taskflow here can result in undefined behavior

tf::Future::cancel不保证立即取消。

性能分析

所有任务流程序都带有一个轻量级分析模块，以观察每个executor中的Worker活动。要启用分析器，需要将环境变量TF_ENABLE_PROFILER设置为存储分析结果的文件名。

cpp 复制代码

~$ TF_ENABLE_PROFILER=result.json ./my_taskflow
~$ cat result.json
[
{"executor":"0","data":[{"worker":12,"level":0,"data":[{"span":[72,117],"name":"12_0","type":"static"},{"span":[121,123],"name":"12_1","type":"static"},{"span":[123,125],"name":"12_2","type":"static"},{"span":[125,127],"name":"12_3","type":"static"}]}]}
]

然后将下面的json文本拷贝到：Taskflow Profiler，进行可视化分析。

Taskflow：请求-取消与 性能分析

性能分析

Taskflow：请求-取消与性能分析