今天给大家介绍一下.Net中如何使用Parallel。文章的内容小编觉得不错，现在给大家分享一下，觉得有需要的朋友可以了解一下，希望对大家有所帮助，下面跟着小编的思路一起来阅读吧。
一、理解硬件线程和软件线程
多核处理器带有一个以上的物理内核--物理内核是真正的独立处理单元，多个物理内核使得多条指令能够同时并行运行。硬件线程也称为逻辑内核，一个物理内 核可以使用超线程技术提供多个硬件线程。所以一个硬件线程并不代表一个物理内核；Windows中每个运行的程序都是一个进程，每一个进程都会创建并运行 一个或多个线程，这些线程称为软件线程。硬件线程就像是一条泳道，而软件线程就是在其中游泳的人。
二、并行场合
.Net Framework4 引入了新的Task Parallel Library(任务并行库，TPL)，它支持数据并行、任务并行和流水线。让开发人员应付不同的并行场合。
数据并行：有大量数据需要处理，并且必须对每一份数据执行同样的操作。比如通过256bit的密钥对100个Unicode字符串进行AES算法加密。
任务并行：通过任务并发运行不同的操作。例如生成文件散列码，加密字符串，创建缩略图。
流水线：这是任务并行和数据并行的结合体。
TPL引入了System.Threading.Tasks ,主类是Task，这个类表示一个异步的并发的操作，然而我们不一定要使用Task类的实例，可以使用Parallel静态类。它提供了 Parallel.Invoke, Parallel.For Parallel.Forecah 三个方法。
三、Parallel.Invoke
试图让很多方法并行运行的最简单的方法就是使用Parallel类的Invoke方法。例如有四个方法：
WatchMovie
HaveDinner
ReadBook
WriteBlog
通过下面的代码就可以使用并行。
System.Threading.Tasks.Parallel.Invoke(WatchMovie, HaveDinner, ReadBook, WriteBlog);
这段代码会创建指向每一个方法的委托。Invoke方法接受一个Action的参数组。
1 |
|
用lambda表达式或匿名委托可以达到同样的效果。
System.Threading.Tasks.Parallel.Invoke(() => WatchMovie(), () => HaveDinner(), () => ReadBook(), delegate() { WriteBlog(); });
1.没有特定的执行顺序。
Parallel.Invoke方法只有在4个方法全部完成之后才会返回。它至少需要4个硬件线程才足以让这4个方法并发运行。但并不保证这4个方法能够同时启动运行，如果一个或者多个内核处于繁忙状态，那么底层的调度逻辑可能会延迟某些方法的初始化执行。
给方法加上延时，就可以看到必须等待最长的方法执行完成才回到主方法。
static void Main(string[] args) { System.Threading.Tasks.Parallel.Invoke(WatchMovie, HaveDinner, ReadBook, WriteBlog); Console.WriteLine("执行完成"); Console.ReadKey(); } static void WatchMovie() { Thread.Sleep(5000); Console.WriteLine("看电影"); } static void HaveDinner() { Thread.Sleep(1000); Console.WriteLine("吃晚饭"); } static void ReadBook() { Thread.Sleep(2000); Console.WriteLine("读书"); } static void WriteBlog() { Thread.Sleep(3000); Console.WriteLine("写博客"); }
这样会造成很多逻辑内核处于长时间闲置状态。
四、Parallel.For
Parallel.For为固定数目的独立For循环迭代提供了负载均衡 (即将工作分发到不同的任务中执行，这样所有的任务在大部分时间都可以保持繁忙) 的并行执行。从而能尽可能地充分利用所有的可用的内核。
我们比较下下面两个方法，一个使用For循环，一个使用Parallel.For 都是生成密钥在转换为十六进制字符串。
private static void GenerateAESKeys() { var sw = Stopwatch.StartNew(); for (int i = 0; i < NUM_AES_KEYS; i++) { var aesM = new AesManaged(); aesM.GenerateKey(); byte[] result = aesM.Key; string hexStr = ConverToHexString(result); } Console.WriteLine("AES:"+sw.Elapsed.ToString()); } private static void ParallelGenerateAESKeys() { var sw = Stopwatch.StartNew(); System.Threading.Tasks.Parallel.For(1, NUM_AES_KEYS + 1, (int i) => { var aesM = new AesManaged(); aesM.GenerateKey(); byte[] result = aesM.Key; string hexStr = ConverToHexString(result); }); Console.WriteLine("Parallel_AES:" + sw.Elapsed.ToString()); }
private static int NUM_AES_KEYS = 100000;
static void Main(string[] args)
{
Console.WriteLine("执行"+NUM_AES_KEYS+"次："); GenerateAESKeys();
ParallelGenerateAESKeys();
Console.ReadKey();
}
执行1000000次
这里并行的时间是串行的一半。
五、Parallel.ForEach
在Parallel.For中，有时候对既有循环进行优化可能会是一个非常复杂的任务。Parallel.ForEach为固定数目的独立For Each循环迭代提供了负载均衡的并行执行，且支持自定义分区器，让使用者可以完全掌握数据分发。实质就是将所有要处理的数据区分为多个部分，然后并行运 行这些串行循环。
修改上面的代码：
System.Threading.Tasks.Parallel.ForEach(Partitioner.Create(1, NUM_AES_KEYS + 1), range => { var aesM = new AesManaged(); Console.WriteLine("AES Range({0},{1} 循环开始时间：{2})",range.Item1,range.Item2,DateTime.Now.TimeOfDay); for (int i = range.Item1; i < range.Item2; i++) { aesM.GenerateKey(); byte[] result = aesM.Key; string hexStr = ConverToHexString(result); } Console.WriteLine("AES:"+sw.Elapsed.ToString()); });从执行结果可以看出，分了13个段执行的。
第二次执行还是13个段。速度上稍微有差异。开始没有指定分区数，Partitioner.Create使用的是内置默认值。
而且我们发现这些分区并不是同时执行的，大致是分了三个时间段执行。而且执行顺序是不同的。总的时间和Parallel.For的方法差不多。
public static ParallelLoopResult ForEach<TSource>(Partitioner<TSource> source, Action<TSource> body)
Parallel.ForEach方法定义了source和Body两个参数。source是指分区器。提供了分解为多个分区的数据源。body是 要调用的委托。它接受每一个已定义的分区作为参数。一共有20多个重载，在上面的例子中，分区的类型为Tuple<int,int>,是一个 二元组类型。此外，返回一个ParallelLoopResult的值。
Partitioner.Create 创建分区是根据逻辑内核数及其他因素决定。
public static OrderablePartitioner<Tuple<int, int>> Create(int fromInclusive, int toExclusive) { int num = 3; if (toExclusive <= fromInclusive) throw new ArgumentOutOfRangeException("toExclusive"); int rangeSize = (toExclusive - fromInclusive) / (PlatformHelper.ProcessorCount * num); if (rangeSize == 0) rangeSize = 1; return Partitioner.Create<Tuple<int, int>>(Partitioner.CreateRanges(fromInclusive, toExclusive, rangeSize), EnumerablePartitionerOptions.NoBuffering); }因此我们可以修改分区数目，rangesize大致为250000左右。也就是说我的逻辑内核是4.
var rangesize = (int) (NUM_AES_KEYS/Environment.ProcessorCount) + 1;
System.Threading.Tasks.Parallel.ForEach(Partitioner.Create(1, NUM_AES_KEYS + 1,rangesize), range =>
再次执行：
分区变成了四个，时间上没有多大差别（***个时间是串行时间）。我们看见这四个分区几乎是同时执行的。大部分情况下，TPL在幕后使用的负载均衡机制都是非常高效的，然而对分区的控制便于使用者对自己的工作负载进行分析，来改进整体的性能。
Parallel.ForEach也能对IEnumerable<int>集合进行重构。Enumerable.Range生产了序列化的数目。但这样就没有上面的分区效果。
private static void ParallelForEachGenerateMD5HasHes() { var sw = Stopwatch.StartNew(); System.Threading.Tasks.Parallel.ForEach(Enumerable.Range(1, NUM_AES_KEYS), number => { var md5M = MD5.Create(); byte[] data = Encoding.Unicode.GetBytes(Environment.UserName + number); byte[] result = md5M.ComputeHash(data); string hexString = ConverToHexString(result); }); Console.WriteLine("MD5:"+sw.Elapsed.ToString()); }六、从循环中退出
和串行运行中的break不同，ParallelLoopState 提供了两个方法用于停止Parallel.For 和 Parallel.ForEach的执行。
Break:让循环在执行了当前迭代后尽快停止执行。比如执行到100了，那么循环会处理掉所有小于100的迭代。
Stop:让循环尽快停止执行。如果执行到了100的迭代，那不能保证处理完所有小于100的迭代。
修改上面的方法：执行3秒后退出。
private static void ParallelLoopResult(ParallelLoopResult loopResult) { string text; if (loopResult.IsCompleted) { text = "循环完成"; } else { if (loopResult.LowestBreakIteration.HasValue) { text = "Break终止"; } else { text = "Stop 终止"; } } Console.WriteLine(text); } private static void ParallelForEachGenerateMD5HasHesBreak() { var sw = Stopwatch.StartNew(); var loopresult= System.Threading.Tasks.Parallel.ForEach(Enumerable.Range(1, NUM_AES_KEYS), (int number,ParallelLoopState loopState) => { var md5M = MD5.Create(); byte[] data = Encoding.Unicode.GetBytes(Environment.UserName + number); byte[] result = md5M.ComputeHash(data); string hexString = ConverToHexString(result); if (sw.Elapsed.Seconds > 3) { loopState.Stop(); } }); ParallelLoopResult(loopresult); Console.WriteLine("MD5:" + sw.Elapsed); }
七、捕捉并行循环中发生的异常。
当并行迭代中调用的委托抛出异常，这个异常没有在委托中被捕获到时，就会变成一组异常，新的System.AggregateException负责处理这一组异常。
private static void ParallelForEachGenerateMD5HasHesException() { var sw = Stopwatch.StartNew(); var loopresult = new ParallelLoopResult(); try { loopresult = System.Threading.Tasks.Parallel.ForEach(Enumerable.Range(1, NUM_AES_KEYS), (number, loopState) => { var md5M = MD5.Create(); byte[] data = Encoding.Unicode.GetBytes(Environment.UserName + number); byte[] result = md5M.ComputeHash(data); string hexString = ConverToHexString(result); if (sw.Elapsed.Seconds > 3) { throw new TimeoutException("执行超过三秒"); } }); } catch (AggregateException ex) { foreach (var innerEx in ex.InnerExceptions) { Console.WriteLine(innerEx.ToString()); } } ParallelLoopResult(loopresult); Console.WriteLine("MD5:" + sw.Elapsed); }结果：
异常出现了好几次。
八、指定并行度。
TPL的方法总会试图利用所有可用的逻辑内核来实现***的结果，但有时候你并不希望在并行循环中使用所有的内核。比如你需要留出一个不参与并行计算 的内核，来创建能够响应用户的应用程序，而且这个内核需要帮助你运行代码中的其他部分。这个时候一种好的解决方法就是指定***并行度。
这需要创建一个ParallelOptions的实例，设置MaxDegreeOfParallelism的值。
private static void ParallelMaxDegree(int maxDegree) { var parallelOptions = new ParallelOptions(); parallelOptions.MaxDegreeOfParallelism = maxDegree; var sw = Stopwatch.StartNew(); System.Threading.Tasks.Parallel.For(1, NUM_AES_KEYS + 1, parallelOptions, (int i) => { var aesM = new AesManaged(); aesM.GenerateKey(); byte[] result = aesM.Key; string hexStr = ConverToHexString(result); }); Console.WriteLine("AES:" + sw.Elapsed.ToString()); }调用：如果在四核微处理器上运行，那么将使用3个内核。
ParallelMaxDegree(Environment.ProcessorCount - 1);
时间上大致慢了点（第一次Parallel.For 3.18s），但可以腾出一个内核来处理其他的事情。
以上就是.Net中如何使用Parallel的全部内容了，更多与.Net中如何使用Parallel相关的内容可以搜索编程网之前的文章或者浏览下面的文章进行学习哈！相信小编会给大家增添更多知识,希望大家能够支持一下编程网！
