# 工具集
本文介绍AI Express相关工具集，注意：该文档仅仅介绍工具使用方式，不展开将使用教学，可以新搞一个文档链过去，比如：性能profile最佳实践

## 数据流可视化工具
XStream内的数据流是通过配置json文件来生成的，框架内目前已对数据流配置是否有效进行了检查，而此工具可将配置的json文件数据流向图可视化，生成一份自定义格式的文档或图片，以直观的方式展现json文件中的数据流向。

工具位于`source/common/xstream/framework/tools/xstream_framework_datashow.py`

**1. 准备环境**：工具通过python3 + graphviz + dot实现，使用前需安装 python3（推荐python3.5.2）、graphviz库、json库

**2. 使用工具**：使用该文件的运行格式为：python xstream_framework_datashow.py xxx.json

**3. 可视化后的workflow**：
* 某个node的inputs得不到feed，图中体现为：绿色填充，标签中带有字段：(No-Feed)
* 全局inputs和全局outputs重名，图中体现为：红色双箭头边相连，边带有字段：same-global-inputs-outputs
* 某些node间的outputs重名，图中体现为：浅蓝色双箭头边相连，边带有字段：same-node-outputs

## Python-Workflow构建工具
XStream中Workflow是通过Json配置文件来描述的。当一个Workflow变得复杂时，Json配置文件则变得冗长，增加维护的困难性，体现在如下几个方面：
* 串联各个节点的输入和输出名字需要手动填写，容易出错或者造成命名冲突。
* 各个节点的顺序关系要保证，对于不熟悉的开发者来说，需要花时间去梳理Node的逻辑关系之后才能添加新的Node。
* 无法快速的发现并去除冗余路径上面的节点。
* 图可能出现环路。

经过实践发现，构建Workflow的过程其实和编程类似。Json在这个地方就是起到了编程语言的作用。与其发明一种新的语言，就不如使用如今非常流行的Python语言来实现快速构建Workflow，并解决上面的问题。可以通过下面命令，来安装Python-Workflow构建工具
```bash
cd source/common/xstream/python_api
pip install -e
```
安装成功之后便可以使用了。详细参见[Python-Workflow构建](./xstream-python-workflow.md)

## 性能Profiler工具
开发中..

## 渲染可视化工具
开发中..