6. TF – Session分析
客户端使用会话来和TF系统交互，一般的模式是，建立会话，在会话中添加节点和边，形成一张图，然后执行。如图 6 1所示，包含一个client和一个master。Client通过Session与Master交互，而Master协调一个或者多个的 worker processes 完成计算任务，每个 worker process 负责对一个或者多个计算设备（CPU 核或者 GPU card）的任意访问和在这些设备上进行图节点的计算按照 master 的要求执行。
图 6 1 TF Session Simple Example
图 6 1中Session.run()向Master发送计算请求，执行graph计算。Session.run函数定义如下：
TF中Session有两种实现：一种是DirectSession类，可以执行localhost环境运行的图；另一种是GrpcSession类，可以执行分布式环境运行的图。
6.1 Direct Session分析
DirectSession定义在localhost环境，运行环境如下所示。图 6 2中仅一个本地worker，由master管理worker完成计算任务。
图 6 2 Session本地运行架构
首先，从run函数开始，指定feed节点、fetch节点和feed数据。
创建Executors。Executor将执行graph计算操作，多个Executor可以并行计算，在feed批处理计算数据时非常有用。
将input放入Rendez消息信箱中，等待consumer取出。
创建ExecutorBarrier。ExecutorBarrier在多个Executor并行计算时起协调作用，保证每个Executor执行graph计算时数据的一致性。
在barrier的协调下，每个executor完成对应的graph计算操作。
每个executor对应一个ExecutorState实例。executorstate跟踪graph中的node，通常认为node有完成计算、准备计算、等待计算等状态。当node处于就绪状态就为该节点执行计算操作。
创建节点序列触发器TaggedNodeSeq 变量，即ready队列。先为ready队列添加root节点，即起始点，然后放入schedule任务队列中。
从ready队首开始，执行计算操作，计算过程由ExecutorState::Process函数完成。
ExecutorState::Process调用每个节点中OpKernel对应的Compute函数或ComputeAsync函数，如MatMulOp实现了Compute函数，RecvOp实现了ComputeAsync函数。
