最近复习 FBRetainCycleDetector 源码的时候，需要的图的查询方法，深度优先搜索，这里记录下，便于系统复习。

这里仅仅为分析FBRetainCycleDetector实现原理，采用深度优先搜索DFS

图

图由顶点(vertex)和边(edge)组成，通常表示为 G = (V, E)

• G表示一个图，V是顶点集，E是边集
• 顶点集V有穷且非空
• 任意两个顶点之间都可以用边来表示它们之间的关系，边集E可以是空的

有向图

• 有向图的边是有明确方向的
  

• 有向无环图(Directed Acyclic Graph，简称 DAG)

• 如果一个有向图，从任意顶点出发无法经过若干条边回到该顶点，那么它就是一个有向无环图

图的实现方式

• 邻接矩阵(Adjacency Matrix)
  邻接矩阵的存储方式

1. 一维数组存放顶点信息
2. 二维数组存放边信息

邻接矩阵比较适合稠密图,不然会比较浪费内存

• 邻接表(Adjacency List)

使用链表存储

图的知识有很多，包括有向图 无向图 混合图 ，对于Object-C的对象引用，A->B->C我们可以作为有向图来处理。

遍历

广度优先搜索 BFS

BFS 相当于一个层级遍历，一层一层遍历，然后寻找路线最短的一条线。

相当于二叉树中的层序遍历，需要缓存各个层级，然后找到深度最低的那一条。

左侧为无序图时的遍历，右侧为有序图时的遍历。由于需要检索层级每个节点，所以做了很多无关运算。

优点是能够找到一个最优解，而且速度快，但是需要存储各个节点信息，占用内存大。

深度优先搜索 DFS

DFS 则只会查找一条线路，当线路无法到达时，就原路返回，尝试其他分支。

二叉树的前序遍历就是一种。

优点不用遍历每个层级，找到之后就不会再遍历。找到的或许不是最优解，但是占用的内存较少，不用存储产生的所有节点。由于需要栈结构进行出栈入栈，所以往往要比广度优先搜索 BFS慢一些，但不是绝对。

---

可以查看这篇文章看流程 https://www.jianshu.com/p/bff70b786bb6

FBRetainCycleDetector的应用

那么我们通过找到A对象的strong引用的成员B，然后进行深度优先搜索，如果能够找到B到达A的强引用路线，则认为是有循环引用关系。

FBRetainCycleDetector 默认的搜索深度是10，也一般能处理大部分的循环引用问题了。