8.3 并行编程（Parallel类）

概述

Parallel类是.NET Framework中System.Threading.Tasks命名空间提供的一组API，用于简化数据并行和任务并行的实现。它通过抽象化底层线程管理，帮助开发者高效利用多核CPU资源。

核心方法

1. Parallel.For

// 基本语法
Parallel.For(0, 100, i => 
{
    Console.WriteLine($"迭代 {i} 在线程 {Thread.CurrentThread.ManagedThreadId}");
});

// 带循环选项的版本
var options = new ParallelOptions { MaxDegreeOfParallelism = 4 };
Parallel.For(0, 100, options, i => { /*...*/ });

2. Parallel.ForEach

List<string> data = GetLargeDataCollection();

Parallel.ForEach(data, item => 
{
    ProcessItem(item);
});

3. Parallel.Invoke

Parallel.Invoke(
    () => ProcessTask1(),
    () => ProcessTask2(),
    () => ProcessTask3()
);

关键特性

特性说明
自动分区自动将工作负载分配到多个核心
负载均衡动态调整任务分配
异常聚合收集所有并行任务中的异常
取消支持通过CancellationToken实现

最佳实践

  1. 适度并行化：

    • 避免对小型循环使用并行（建议>1000次迭代）
    • 示例：矩阵运算、图像处理等CPU密集型任务

  2. 线程安全处理：

    object lockObj = new object();
int sharedCounter = 0;

Parallel.For(0, 1000, i => 
{
    lock(lockObj) 
    {
        sharedCounter++;
    }
});

  3. 性能优化技巧：

    • 使用Partitioner自定义数据分区
    • 设置MaxDegreeOfParallelism限制并发度
    • 避免在并行循环中执行I/O操作

与async/await的区别

graph LR
    A[Parallel类] -->|CPU密集型| B(数据并行)
    C[async/await] -->|I/O密集型| D(异步操作)

典型应用场景

  1. 大数据处理（ETL流程）
  2. 科学计算（数值模拟）
  3. 媒体处理（视频转码）
  4. 机器学习（批量预测）

注意事项

  • 避免修改共享集合（使用线程安全集合或同步机制）
  • 注意异常处理（使用AggregateException）
  • 警惕死锁风险（避免嵌套锁）
  • 考虑使用PLINQ作为替代方案

扩展阅读

Last Updated::