fix: unify md style then

Author: RadioNoiseE

src/content/blog/2025-04-01/index.md

@@ -1,30 +1,30 @@
 ---
-title: "Zig语言中的拓扑排序及其在并行处理中的应用"
+title: "Zig 语言中的拓扑排序及其在并行处理中的应用"
 author: "杨其臻"
 date: "Apr 01, 2025"
-description: "本文介绍Zig语言实现拓扑排序及其在并行任务调度中的应用。"
+description: "本文介绍 Zig 语言实现拓扑排序及其在并行任务调度中的应用。"
 latex: true
 pdf: true
 ---
 
 ## 引言
-在系统编程领域，Zig语言凭借其独特的显式内存管理、零成本抽象和强调确定性的设计理念，正在成为构建高性能应用的利器。本文聚焦于拓扑排序算法在Zig语言中的实现，并深入探讨其在并行任务调度中的创新应用。通过将传统的图论算法与现代并发模型相结合，我们能够构建出既保证执行顺序正确性，又充分挖掘硬件并行潜力的任务调度系统。
+在系统编程领域，Zig 语言凭借其独特的显式内存管理、零成本抽象和强调确定性的设计理念，正在成为构建高性能应用的利器。本文聚焦于拓扑排序算法在 Zig 语言中的实现，并深入探讨其在并行任务调度中的创新应用。通过将传统的图论算法与现代并发模型相结合，我们能够构建出既保证执行顺序正确性，又充分挖掘硬件并行潜力的任务调度系统。
 
 ## 拓扑排序基础
 拓扑排序是对有向无环图（DAG）进行线性排序的算法，其数学表达为：对于图中任意有向边 $(u, v)$，节点 $u$ 在排序结果中都出现在 $v$ 之前。形式化定义为给定图 $G=(V, E)$，求节点排列 $L = [v_1, v_2, ..., v_n]$，使得对于每条边 $(v_i, v_j) \in E$，都有 $i < j$。
 
-Kahn算法是该问题的经典解法，其伪代码可表示为：
+Kahn 算法是该问题的经典解法，其伪代码可表示为：
 1. 初始化入度表并构建邻接表
-2. 将入度为0的节点加入队列
+2. 将入度为 0 的节点加入队列
 3. 循环处理队列直到为空：
    1. 取出队首节点加入结果集
-   2. 将该节点邻居的入度减1
-   3. 将新产生的入度0节点加入队列
+   2. 将该节点邻居的入度减 1
+   3. 将新产生的入度 0 节点加入队列
 
-## Zig语言实现拓扑排序
+## Zig 语言实现拓扑排序
 
 ### 数据结构设计
-Zig的标准库提供了`std.ArrayList`作为动态数组实现，我们采用邻接表表示图结构：
+Zig 的标准库提供了 `std.ArrayList` 作为动态数组实现，我们采用邻接表表示图结构：
 ```zig
 const Node = struct {
     edges: std.ArrayList(usize),
@@ -42,9 +42,9 @@ const Graph = struct {
     }
 };
 ```
-此结构通过`nodes`数组存储所有节点，每个节点的`edges`字段存储其邻接节点索引。显式的`allocator`参数贯彻了Zig显式内存管理的设计哲学，允许调用方控制内存分配策略。
+此结构通过 `nodes` 数组存储所有节点，每个节点的 `edges` 字段存储其邻接节点索引。显式的 `allocator` 参数贯彻了 Zig 显式内存管理的设计哲学，允许调用方控制内存分配策略。
 
-### Kahn算法实现
+### Kahn 算法实现
 完整算法实现包含入度计算和队列处理：
 ```zig
 fn topologicalSort(g: *Graph) !std.ArrayList(usize) {
@@ -85,12 +85,12 @@ fn topologicalSort(g: *Graph) !std.ArrayList(usize) {
     return result;
 }
 ```
-代码亮点在于错误处理机制：当结果长度与节点总数不符时，立即返回`CycleDetected`错误，这对应着图中存在环的情况。`defer`语句确保临时分配的内存被正确释放，避免了内存泄漏风险。
+代码亮点在于错误处理机制：当结果长度与节点总数不符时，立即返回 `CycleDetected` 错误，这对应着图中存在环的情况。`defer` 语句确保临时分配的内存被正确释放，避免了内存泄漏风险。
 
 ## 并行处理中的拓扑排序
 
-### Zig并发模型
-Zig采用基于协程的异步编程模型，通过`async`/`await`语法实现轻量级并发。其标准库提供的`std.Thread`模块支持系统级线程的创建和管理。考虑如下并行调度策略：
+### Zig 并发模型
+Zig 采用基于协程的异步编程模型，通过 `async`/`await` 语法实现轻量级并发。其标准库提供的 `std.Thread` 模块支持系统级线程的创建和管理。考虑如下并行调度策略：
 ```zig
 fn parallelExecute(g: *Graph, result: []const usize) void {
     var semaphore = std.Semaphore.init(0);
@@ -122,15 +122,15 @@ fn parallelExecute(g: *Graph, result: []const usize) void {
 该实现创建固定数量的工作线程（`batch_size`），每个线程以跨步方式处理任务。信号量机制保证主线程能够准确等待所有任务完成。这种批量处理方式减少了线程创建开销，同时通过任务分片避免了资源竞争。
 
 ### 性能优化实践
-在16核服务器上对包含10,000个任务的依赖图进行测试，测得并行版本相比串行执行有显著提升：
-- 吞吐量：从1200 tasks/s提升至8500 tasks/s
-- 延迟：从8.3ms降低至1.2ms（P99）
-关键优化点包括采用无锁环形缓冲区作为任务队列、根据CPU缓存行大小（通常64字节）进行数据对齐来避免伪共享等问题。
+在 16 核服务器上对包含 10,000 个任务的依赖图进行测试，测得并行版本相比串行执行有显著提升：
+- 吞吐量：从 1200 tasks/s 提升至 8500 tasks/s
+- 延迟：从 8.3ms 降低至 1.2ms（P99）
+关键优化点包括采用无锁环形缓冲区作为任务队列、根据 CPU 缓存行大小（通常 64 字节）进行数据对齐来避免伪共享等问题。
 
 ## 进阶话题
-在动态图场景下，传统的静态拓扑排序算法需要改进。我们提出增量维护算法：当新增边(u, v)时，只需沿着v的后续节点传播更新。数学上，这可以形式化为：
+在动态图场景下，传统的静态拓扑排序算法需要改进。我们提出增量维护算法：当新增边 $(u, v)$ 时，只需沿着v的后续节点传播更新。数学上，这可以形式化为：
 $$\Delta L = \text{TopoSort}(\{v\} \cup \text{Descendants}(v))$$
-其中 $\text{Descendants}(v)$ 表示 $v$ 的所有可达节点。Zig的编译时反射机制可以优化该过程，通过`@TypeOf`和`@hasField`等编译时函数实现依赖关系的静态验证。
+其中 $\text{Descendants}(v)$ 表示 $v$ 的所有可达节点。Zig 的编译时反射机制可以优化该过程，通过 `@TypeOf` 和 `@hasField` 等编译时函数实现依赖关系的静态验证。
 
 ## 总结
-本文展示了Zig语言在实现经典算法和构建并发系统方面的独特优势。通过将显式内存控制与现代化并发原语相结合，开发者能够创建出既保证正确性又具备高性能的任务调度系统。未来随着Zig标准库的进一步完善，其在分布式系统和异构计算领域的应用值得期待。
+本文展示了 Zig 语言在实现经典算法和构建并发系统方面的独特优势。通过将显式内存控制与现代化并发原语相结合，开发者能够创建出既保证正确性又具备高性能的任务调度系统。未来随着 Zig 标准库的进一步完善，其在分布式系统和异构计算领域的应用值得期待。