std::async + std::future 不适合任务图调度，因其执行时机不可控且不支持显式依赖声明；真实调度需自管理节点生命周期、原子入度计数、条件变量通知及 intrusive_ptr 零拷贝优化。
为什么 std::async + std::future 不适合做任务图调度
因为 std::async 默认策略是 std::launch::async | std::launch::deferred，实际执行时机不可控；更关键的是它不提供依赖声明能力——你无法表达「taskB 必须等 taskA 和 taskC 都完成后再启动」。强行用 std::future::wait 串连会退化成线性执行，还容易死锁（比如循环依赖没检测）。
真实任务图引擎必须自己管理节点生命周期、就绪队列和线程唤醒逻辑。常见错误是直接把每个 std::function<void></void> 包进 std::thread，结果线程创建销毁开销压垮吞吐，或忘了对入度计数加锁导致竞态。
- 依赖关系必须显式建模：每个节点存
std::vector<nodeid></nodeid>表示前置节点，运行时原子减入度 - 就绪节点不能靠轮询
std::this_thread::yield()检查，要用std::condition_variable+ 通知机制 - 避免在节点函数里调用
std::future::get()等待其他节点——这会阻塞工作线程，破坏并行度
用 intrusive_ptr + 原子入度实现零拷贝节点调度
任务节点频繁创建/销毁，用 std::shared_ptr 会有额外控制块分配和引用计数原子操作开销。改用 boost::intrusive_ptr（或手写轻量版），把引用计数直接嵌在节点结构体里，add_ref/release 变成单条 fetch_add 指令。
入度字段必须是 std::atomic<int></int>，且初始化为前置节点数量。当某前置节点完成时，对目标节点的入度执行 fetch_sub(1)，若返回值为 1，说明这是最后一个依赖，此时把该节点推入全局就绪队列并 notify_one。
立即学习“C++免费学习笔记（深入）”；
示例关键片段：
struct TaskNode {
std::atomic<int> in_degree{0};
std::function<void()> work;
std::vector<TaskNode*> dependencies;
};
<p>// 调度器中：
void mark_finished(TaskNode* node) {
for (auto dep : node->dependencies) {
if (dep->in_degree.fetch_sub(1) == 1) {
ready_queue.push(dep);
cv.notify_one();
}
}
}</p>线程池如何避免虚假唤醒和饥饿
典型错误是让每个工作线程无差别地 cv.wait(lock, [&]{ return !ready_queue.empty(); })，但 notify_one 可能唤醒一个刚检查完队列为空的线程，它又立刻回去等待，造成延迟；更糟的是如果就绪队列始终有任务，但所有线程都在 wait 中，就会卡住。
- 用
std::queue+std::mutex实现就绪队列，禁止用std::deque（迭代器失效风险） - wait 条件必须是「队列非空」且「当前线程未被标记为退出」，退出标志位也要原子读
- 每轮 wait 前先尝试
try_pop（无锁尝试取一个任务），失败再 wait——减少上下文切换 - 线程数不要硬编码为
std::thread::hardware_concurrency()，有些场景（如大量 IO 任务）设为 2× 核心数反而更稳
GPU/CUDA 任务怎么接入同一套图调度？
CUDA kernel 启动本身是异步的，但 cudaStreamSynchronize 是阻塞点，直接塞进普通节点 work 函数里会拖慢整个线程池。正确做法是把 GPU 任务拆成两阶段：提交阶段（enqueue kernel 到 stream）和同步阶段（等 stream 完成）。
提交阶段作为普通 CPU 节点执行，完成后触发一个专用的「CUDA 同步节点」，该节点不占用工作线程，而是注册到 CUDA stream callback（用 cudaStreamAddCallback），回调里调用 mark_finished 唤醒下游。
- callback 函数必须是静态 C 函数，不能捕获 this 指针，需通过
void*参数传节点 ID - 确保 callback 执行时，对应节点对象仍存活（用
intrusive_ptr延长生命周期） - 别在 callback 里做耗时操作，只做最小必要通知，否则阻塞 driver 线程
最易被忽略的是内存可见性：CPU 节点写的数据，GPU kernel 要能立即看到，得用 cudaMallocManaged 或显式 cudaMemcpyAsync + cudaStreamSynchronize，不能依赖默认行为。
