为什么分布式tensorflow时间线跟踪将QueueDequeue操作标记为PS操作？

我正在AWS ubuntu机器集群上运行tensorflow分布式inception模型，并通过

# Track statistics of the run using Timeline
run_options = tf.RunOptions(trace_level=tf.RunOptions.FULL_TRACE)
run_metadata = tf.RunMetadata()

# Run
loss_value, step = sess.run([train_op, global_step], options=run_options, run_metadata=run_metadata)

# Create timeline and write it to a json file
tl = timeline.Timeline(run_metadata.step_stats)
ctf = tl.generate_chrome_trace_format()
with open('timeline%d.json' % FLAGS.task_id, 'w') as f:
f.write(ctf)

当我查看工作机器生成的时间线时，我看到：

请注意右侧的QueueDequeue操作，时间线显示它是/job:ps/replica:0/task:0/cpu:0（一个参数服务器）的一部分

由于如图所示，ScatterUpdate正好在QueueDequeue之后，因此我认为此操作对应于同步副本优化器操作，其中工作人员尝试将令牌出列并执行分散更新：

但如果是这样，则应该由一个工作进程执行此操作，而不是一个参数服务器。为什么时间线显示参数服务器正在执行此操作

---

我使用的是tensorflow 0.11，仅限CPU。

这似乎是正确的，并且出列操作是在PS上执行的。只是工作程序依赖于此操作，这意味着工作程序实际上在等待成功的出列