DAG：全称为 Directed Acyclic Graph，指有向无环图，具备紧密的拓扑性质，有很强的流程表达能力。
DataLeap 是火山引擎自研的一站式大数据中台解决方案，集数据集成、开发、运维、治理、资产治理能力于一身的大数据研发治理套件。在平台中，一个外围的性能为工作的调度，会依据工作设置的调度频率（月级，日级，小时级等）运行工作，从而生成对应的实例。
在数仓研发中，不同的表之间会存在依赖关系，而产生表数据的工作实例，也会因而存在依赖关系。只有在上游实例运行胜利、上游实例达到设定的运行工夫且资源短缺的状况下，上游实例才会开始执行。所以，在日常的工作运维中，经常须要剖析实例上下游的运行状况，依据具体的状况对实例进行置胜利、重跑等操作。
而如何清晰地展现实例之间的关系，帮忙用户疾速地剖析整个链路的运行状况，并实现问题定位和运维操作，则是实例 DAG 须要解决的问题。上面比照下优化前后的成果。
优化前：
能够看到在简单链路中，将所有节点的关系全副展现进去，导致连线凌乱，须要通过不停的拖拽、缩放，能力找到没有执行的上游节点。
优化后：
通过采纳了将节点聚合的模式，简洁地展现上下游关系。同时，采纳了将实例状态进行分类的模式，提供快捷操作的按钮，让用户能够只关注特定状态的实例，缩小了无用信息对用户运维操作的烦扰。
这里会波及如下概念：
1. 工作：在 火山引擎 DataLeap 数据研发平台中，对数据执行一系列操作的定义。
2. 实例：通过工作配置的执行频率（月级、天级等）而创立的一个工作的快照。
3.DAG 布局：指依据有向无环图中边的方向，主动计算节点层级和地位的布局算法。
在以后的实例 DAG 图中，用户在理论应用中会碰到如下问题：
1. 简单的实例 DAG 图无奈渲染。
在一些业务方向中，会呈现 DAG 图中有几千节点。因为数据处理的简单和采纳了 svg 的渲染计划，经常会导致前端浏览器的解体。
2. 同层级节点过多，操作艰难。
以下图为例，在剖析上游实例中，是哪个实例没有运行，导致以后实例没有执行时，须要通过间断拖拽，能力定位到关注的上游实例。
3. 查看节点依赖时，只能一直开展，在对不同的上游依赖进行开展时，会导致图展现凌乱。
在通过用户调研及应用过程中发现，应用 DAG 进行剖析时次要有以下场景：1. 以后实例曾经达到指定运行工夫，然而没有运行。
在这种状况下，用户关注的是上游没有运行的实例 / 运行失败的实例，分割上游实例的责任人进行问题定位。
2. 当实例曾经运行胜利，然而实现工夫比失常状况下有提早。
在这种状况下，用户关注的是上游实例中，最晚实现的实例。从而判断是否对链路进行治理优化。
3. 当实例运行失败，导致上游没有运行。
在这种状况下，用户关注的是依赖以后实例的所有上游实例，同时须要对上游实例进行聚合筛选，比方工作的优先级（代表工作的外围水平），以告诉上游实例进行重跑等操作。
联合下面存在的问题可失去，次要起因是因为在简单链路状况下，上述需要比拟难满足。而在旧版的 DAG 中，针对简略链路和简单链路的解决是统一的，为此，须要设计解决简单链路场景下的计划。