火山引擎 DataLeap 数据调度实例的 DAG 优化方案（三）：技术实现

在原始数据中，是以一个数组的形式返回节点信息及依赖关系。所以，需要对数据进行处理形成图所需要的数据，同时，利用多个 map 对数据进行存储，方便后续对数据进行检索，减少时间复杂度。

实例节点的样式需要通过基础图形 Text（文本）、Rect（矩形）、Icon（图标）进行组合，以达到我们的设计要求。

在前面提到，在复杂的图场景中，需要将超过一定数量的同层节点聚合起来，以达到清晰直观地传达图所要表达的信息的目的，所以需要对图的层级及节点进行处理，从而生成聚合节点和去掉多余的节点。

通常来说，DAG 的布局可以按照以下步骤实现。

1. 去环：包括自环和非自环，为节点分层做准备。

2. 节点分层：给所有节点安排合适的层级。

3. 节点排序：同层级内节点排序，减少相邻层级中节点连续的交叉点数量。

4. 节点坐标分配：根据分层和同层节点的排序计算节点位置。

而在火山引擎 Dataleap 场景中，节点的层级是有明确含义的，比如在节点 A 处于节点 B 的上方一层，且 A, B 之间有连线连接，则可认为 A 是 B 的上游一层节点。因此与传统 DAG 布局产生了以下不同点，火山引擎 Dataleap 研发人员需要根据场景做定制。

1. 节点所在层级固定：DAG 布局既能支持自动计算层级，也能接受直接指定节点分层。

2. 可能产生同层级连线：将同一层级里有连线的节点进行分组，进行内部排序后，视为整体再参与当前层级的排序，以减少交叉点的数量。

未来从功能设计上，火山引擎 Dataleap 会从用户的使用场景出发，区分不同的功能满足用户的诉求。同时，在前端领域中，针对大数据量的场景，需要判断这些大数据量的展示对用户是否存在价值，从大数据量中挖掘出用户的关注点并突出重点，方便用户快速地进行查看分析。

从技术实现上，火山引擎 Dataleap 会结合业务，根据业务的特征去修改已有的 DAG 布局实现，以满足在不同的业务场景下，更好地将信息呈现给用户。