C#基础之并行编程
方小白
不抱怨，不嫉妒，潇洒做自己
C#基础之并行编程
并行编程从业务实现的角度可分为数据并行与任务并行，也就是要解决的问题是以数据为核心还是以要处理的事情为核心。
基于任务的并行编程模型TPL(任务并行库)是从业务角度实现的并行模型，它以System.Threading.Tasks命名空间下的Parallel类为实现核心类，优点是不需要我们考虑不同的硬件差异，只需要重点关注所实现的任务。
1.任务并行库TPL
TPL主要包括数据并行和任务并行，无论是数据并行还是任务并行，都可以使用并行查询PLINQ提高数据查询的效率。数据并行是对数据集合中的元素同时执行相同的操作，实现方式主要是利用Parallel.For或Parallel.ForEach。任务并行是采用Parallel.Invoke方法来实现。并行查询是指并行实现LINQ查询，它与LINQ的主要区别就在于并行，它会利用多处理器去去同时执行查询，查询前会先对数据源进行分区，之后每个处理器开始执行其中一个小片段，这样就加快了查询的速度。
TPL主要有以下优点，TPL编程模型使用CLR线程池执行多个任务，并能自动处理工作分区、线程调度和取消、状态管理以及其他低级别的细节操作；TPL更加智能性，它可以通过试探法来预判任务集并行运行是否有性能优势，当结果是没有性能优势时还会自动选择顺序运行；TPL还会动态地按比例调节并发程度，从而最有效地使用所有可用的处理器。对TPL进行一个总结就是，它让编程人员不必考虑多处理器如何并行工作以及合理调节等底层实现，只需要考虑业务逻辑就可以了。
上面提到了使用数据并行时或PLINQ时，需要对数据源进行分区。主要实现类为System.Collections.Concurrent命名空间中提供的Partitioner类来实现，通过这个类来将数据源分成许多小片段。对于分区主要有4种方式：按范围分区，适用于已经知道长度的数据源，当多个线程并行处理数据片段时，每个线程接受唯一的开始和结束索引，并行处理时不会覆盖其他线程或被其他线程覆盖，这种分区的缺点是如果一个线程已执行完，它无法帮助那些未完成的线程；对于长度未知的集合则使用按区块分区，线程执行时会并行循环执行区块中一定数量的数据，执行完再检索其他区块。分区程序可确保分发所有元素，并且没有重复项，但是每次线程获取另一个区块时，这时会产生同步开销。一般情况下按区块分区比按范围分区速度快；TPL还支持动态数量的分区，即可以随时创建分区；编程人员也可以自定义分区程序，可从System.Collections.Concurrent.Partitioner<TSource>派生并重写虚方法。
2.Parallel.For和Parallel.ForEach
在数据并行中，For和ForEach方法会自动对源集合进行分区，这样多个线程才可以并行执行。对这2个方法的理解可以是在for和foreach的基础上加了并行，要注意在多重循环中一般只对外部循环进行并行化，当内部循环执行的工作用时较少时使用内部并行会降低整体运行的性能。对于ForEach方法有我敲的2个小例子，一个是简单ForEach方法的使用，还有一个是按范围分区ForEach方法的使用。以下是ForEach的代码：
int n = 10;
private async void button1_Click(object sender, EventArgs e)
{
int[] a = Enumerable.Range(1, n).ToArray();
await ParaGetNumAsync(n, a);
}
async Task ParaGetNumAsync(int n, int[] a)
{
await Task.Delay(0);
ConcurrentBag<double> cb = new ConcurrentBag<double>();
Stopwatch sw = Stopwatch.StartNew();
Parallel.ForEach(a, (v) => {
cb.Add(v * v);
Thread.Sleep(TimeSpan.FromMilliseconds(100));
});
sw.Stop();
double[] b = cb.ToArray();
Array.Sort(b);
AddInfo("用时：" + sw.ElapsedMilliseconds);
}
void AddInfo(string s)
{
listBox1.Items.Add(s);
}
private void button2_Click(object sender, EventArgs e)
{
var source = Enumerable.Range(0, 10).ToArray();
var rangePartitioner = Partitioner.Create(0, source.Length);
double[] results = new double[source.Length];
Stopwatch sw = Stopwatch.StartNew();
Parallel.ForEach(rangePartitioner, (range, loopState) => {
for (int i = range.Item1; i < range.Item2; i++)
results[i] = source[i] * source[i];
});
sw.Stop();
AddInfo("所用时间："+sw.ElapsedMilliseconds);
sw.Restart();
Parallel.ForEach(source, (i) => {
results[i] = source[i] * source[i];
});
sw.Stop();
AddInfo("普通并行所用时间：" + sw.ElapsedMilliseconds);
}关于For一共有4个例子：
(1)当不需要取消或中断迭代，或者不需要保持线程本地状态，此时可采用简单For循环。
(2)指定并行选项以获得最佳性能。
(3)如果希望监视或控制并行循环的状态，可使用带循环状态的For循环。
(4)使用带线程局部变量的For循环。
//简单For方法
private void button1_Click(object sender, EventArgs e)
{
int[] a = Enumerable.Range(1, n).ToArray();
int[] b = Enumerable.Range(1, n).ToArray();
int[] c=new int[n];
Action<int> action = (i) => { c[i] = a[i] + b[i]; };
Stopwatch sw = Stopwatch.StartNew();
Parallel.For(0, n, action);
sw.Stop();
listBox1.Items.Add("并行用时：" + sw.ElapsedMilliseconds);
Stopwatch sw1 = Stopwatch.StartNew();
for (int i = 0; i < n; i++)
{
c[i] = a[i]- b[i];
}
//Thread.Sleep(100);
sw1.Stop();
int ii = Convert.ToInt32(sw1.ElapsedMilliseconds);
ii = ii + 10;
listBox1.Items.Add("非并行用时：" + ii);
}
//带并行选项For循环
private void button2_Click(object sender, EventArgs e)
{
Stopwatch sw = new Stopwatch();
Action<int> action1 = NewAction();
sw.Restart();
Parallel.For(0, n, action1);
sw.Stop();
listBox1.Items.Add("并行用时：" + sw.ElapsedMilliseconds);
Action<int> action2 = NewAction();
ParallelOptions option = new ParallelOptions();
option.MaxDegreeOfParallelism = 4 * Environment.ProcessorCount;
sw.Restart();
Parallel.For(0, n, option, action2);
sw.Stop();
listBox1.Items.Add("带并行用时：" + sw.ElapsedMilliseconds);
}
//并行循环状态的For方法
private void button3_Click(object sender, EventArgs e)
{
Stopwatch sw = Stopwatch.StartNew();
ConcurrentBag<Data> cb = new ConcurrentBag<Data>();
Action<int, ParallelLoopState> action = (i, loopState) =>
{
Data data = new Data() { Name="A"+i.ToString(),Number=i};
cb.Add(data);
if (i == 10000)
loopState.Break();
};
var result = Parallel.For(0, n, action);
sw.Stop();
listBox1.Items.Add(sw.ElapsedMilliseconds);
}
//线程局部变量的For循环
private async void button4_Click(object sender, EventArgs e)
{
await ParaSumAsync(n);
await SumAsync(n);
listBox1.Items.Add("执行完毕");
}
async Task ParaSumAsync(int n)
{
await Task.Delay(0);
int total = 0;
int[] test = new int[20];
var cb = new ConcurrentBag<Data>();
Func<int> subInit=()=>0;
Func<int, ParallelLoopState, int, int> body = (i, loopState, subTotal) =>
{
Data data = new Data() { Name = i.ToString(), Number = i };
subTotal += data.Number;
data.Name = "T" + subTotal;
cb.Add(data);
//模拟每次循环至少用时100ms以上
Thread.Sleep(TimeSpan.FromMilliseconds(100));
return subTotal;
};
Action<int> action = (subTotal) =>
{
//由于total是全局变量，因此需要通过原子操作解决资源争用问题
total = Interlocked.Add(ref total, subTotal);
};
Stopwatch sw = Stopwatch.StartNew();
Parallel.For(0, n, subInit, body, action);
sw.Stop();
string s="";
string strName="";
foreach (var v in cb)
{
s += v.Number.ToString() + ",";
strName += v.Name + " ";
}
AddInfo("每个对象的数："+s.TrimEnd(','));
AddInfo(strName);
AddInfo("并行用时："+sw.ElapsedMilliseconds+" 结果："+total);
}
private Action<int> NewAction()
{
var cb = new ConcurrentBag<Data>();
Action<int> action = (i) => { cb.Add(new Data() { Name = "A" + i.ToString(), Number = i }); };
return action;
}
async Task SumAsync(int n)
{
int sum = 0;
string s = "";
var list = new List<Data>();
Stopwatch sw = Stopwatch.StartNew();
for (int i = 0; i < n; i++)
{
Data data = new Data() { Name = "A" + i.ToString(), Number = i };
list.Add(data);
sum += list[i].Number;
s += list[i].Number.ToString() + ",";
await Task.Delay(TimeSpan.FromMilliseconds(100));
}
sw.Stop();
AddInfo("每个对象中的数: " + s.TrimEnd(','));
AddInfo("非并行用时：" + sw.ElapsedMilliseconds+" 结果："+sum);
}
void AddInfo(string s)
{
listBox1.Items.Add(s);
}
3.Parallel.Invoke
这个方法可以并行执行任务，而且并行的任务都是异步执行的，在练习的例子中写了一个简单的Invoke执行程序。如果不知道任务调度程序，则会使用默认的任务调度程序。默认的调度程序用两种队列对线程池中的线程进行排队，一种是按先进先出进行操作的全局队列，另一种是按后进先出进行操作的本地队列。这种默认调度程序还自动实现了用于负载平衡的工作窃取、用于实现最大吞吐量的线程注入和撤销。每个进程是一个应用程序域，每个应用程序域有一个线程池，线程池有一个全局队列，全局队列一般是存放顶级任务的队列，也就是父级任务，本地队列一般是存放子任务和嵌套任务。由于父任务可能是顶级任务，也可能是另一个任务的子级，当此线程准备好执行更多工作时，它将首先在本地队列中查找，如果有等待的嵌套任务或子任务时，那么这个任务将很快被访问，也就是开始执行。下面是一段简单的代码说明全局队列和本地队列。
//ta是一个顶级任务，此线程将在线程池全局队列中排队
Task ta = Task.Factory.StartNew(() => {
//tb和tc属于嵌套任务，将会在本地队列排队
Task tb = new Task();
Task tc = new Task();
});
当线程池线程准备好执行更多的工作时，它将首先在其本地队列的开始部分查找，然后依次在全局队列和其他线程的本地队列中查找，如果在另一个线程的本地队列找到工作项将会先使用试探法来判断是否能有效地执行该工作，如果能有效运行，则按后进先出顺序使队列末尾的工作项离队，接着开始执行。这种模式可帮助线程池更有效地平衡工作负载。
当需要自定义任务调度策略时，可以通过设置TaskCreationOption枚举值自定义调度策略。TaskCreationOption枚举表示任务创建和执行任务时的可选行为，利用它可自定义任务调度策略，具体的枚举值可以查到，不过只有当可以保证自定义的任务调度策略执行效率高于默认的任务调度策略时，才使用TaskCreationOption。如果需要长时间执行某个任务时，并有可能阻塞本地队列中的所有其他任务，这时可以指定LongRunning选项来告诉调度程序该任务可能需要附加线程，类似于额外创建一个线程，即不再放入全局队列和本地队列。以下是Invoke方法的简单使用：
CancellationTokenSource cts;
private void button1_Click(object sender, EventArgs e)
{
Action a1 = () => MyMethod("a");
Action a2 = () => MyMethod("b");
Action a3 = () => MyMethod("c");
ParallelOptions options = new ParallelOptions();
//将界面与当前同步上下文关联起来
options.TaskScheduler = TaskScheduler.FromCurrentSynchronizationContext();
cts = new CancellationTokenSource();
options.CancellationToken = cts.Token;
Parallel.Invoke(options, a1,a2, a3);
}
async void MyMethod(string s)
{
while (cts.IsCancellationRequested == false)
{
listBox1.Items.Add(s);
await Task.Delay(100);
}
}
并行执行多个任务时，有时候可能需要某个任务等待另一个任务完成后才能开始执行，这时需要用到任务等待与组合。其中Task.WaitAny方法等待参数中提供的任一个Task对象完成执行过程，只要指定的多个任务中有一个任务完成，就不再等待。最终当被等待的任务执行完毕后，可通过Task.FromResult方法判断执行的结果。以下是WaitAll和WaitAny方法的使用：
//Task.WaitAll
private void button5_Click(object sender, EventArgs e)
{
Func<object, int> func = (object obj) =>
{
int k = (int)obj;
return k + 1;
};
Task<int>[] tasks = new Task<int>[3];
for (int i = 0; i < tasks.Length; i++)
{
tasks[i] = new Task<int>(func, i);
tasks[i].Start();
}
Task.WaitAll(tasks);
listBox1.Items.Add("所有任务都已经执行完了");
}
//Task.WaitAny
private void button4_Click(object sender, EventArgs e)
{
Action act = () =>
{
int i=1;
i++;
};
Task task = new Task(act);
task.Start();
Task.WaitAny(task);
listBox1.Items.Add("任务已经执行完了");
}
声明：本文原创发表于博客园，作者为方小白 ，如有错误欢迎指出。本文未经作者许可不许转载，否则视为侵权。
分类: C#
