Parallel.ForEach 是一個用於在集合上並行執行迭代操作的強大工具。它通過有效地利用多核處理器的能力來提高效能。Parallel.ForEach 不僅能夠簡化並行程式設計,而且它在執行簡單迴圈時可以提供比傳統迭代更好的效能。
下面是一個簡單的範例,演示瞭如何使用 Parallel.ForEach 並行處理一個整數列表:
using System;
using System.Collections.Generic;
using System.Threading.Tasks;
class Program
{
static void Main()
{
List<int> numbers = GetNumbers();
// 使用 Parallel.ForEach 並行處理整數列表
Parallel.ForEach(numbers, num =>
{
int result = ProcessNumber(num);
Console.WriteLine($"Processed {num} - Result: {result}");
});
Console.ReadLine();
}
static List<int> GetNumbers()
{
// 獲取一個包含大量整數的列表
List<int> numbers = new List<int>();
for (int i = 1; i <= 10000; i++)
{
numbers.Add(i);
}
return numbers;
}
static int ProcessNumber(int number)
{
// 模擬一些計算密集型的操作
return number * number;
}
}
在上面的例子中,Parallel.ForEach 會並行地處理 numbers 列表中的每個元素,並呼叫 ProcessNumber 方法。由於這個範例中的計算是相對簡單的,因此並行化可能在效能上並不明顯。實際上,Parallel.ForEach 對於處理更大規模的資料集或更復雜的計算任務時效果更為顯著。
AsParallel 是 LINQ 中的方法,它能夠將查詢操作並行化。使用 AsParallel 可以使 LINQ 查詢在多個處理器上並行執行,提高查詢效能。它返回一個 ParallelQuery<T> 物件,支援並行執行 LINQ 操作。
下面是一個範例,展示瞭如何使用 AsParallel 在整數列表上執行並行 LINQ 查詢:
using System;
using System.Collections.Generic;
using System.Linq;
class Program
{
static void Main()
{
List<int> numbers = GetNumbers();
// 使用 AsParallel 在整數列表上執行並行 LINQ 查詢
var result = numbers
.AsParallel()
.Where(num => num % 2 == 0) // 過濾偶數
.Select(num => num * num) // 對偶數取平方
.ToList();
// 輸出結果
Console.WriteLine("Parallel LINQ Result:");
foreach (var num in result)
{
Console.WriteLine(num);
}
Console.ReadLine();
}
static List<int> GetNumbers()
{
// 獲取一個包含大量整數的列表
List<int> numbers = new List<int>();
for (int i = 1; i <= 10000; i++)
{
numbers.Add(i);
}
return numbers;
}
}
在上面的例子中,AsParallel 被用於將 LINQ 查詢並行化。查詢首先過濾出列表中的偶數,然後計算每個偶數的平方。最終結果是一個包含平方值的列表。這裡的範例相對簡單,但在處理更大規模或更復雜的資料時,AsParallel 可以顯著提高效能。
效能的相對優劣取決於具體的使用場景和資料集。通常來說:
在實際應用中,建議根據任務的性質選擇合適的工具。如果你有一個簡單的集合迭代任務,Parallel.ForEach 可能更合適。如果你在進行復雜的查詢操作,AsParallel 可能更適用。
在並行程式設計中,選擇使用 Parallel.ForEach 還是 AsParallel 取決於任務的性質。在處理集合元素時,Parallel.ForEach 提供了直觀且簡單的方式;而在進行復雜的 LINQ 查詢時,AsParallel 提供了更靈活的並行處理能力。在實際應用中,通過仔細分析任務需求和效能特徵,可以更好地選擇適當的工具來實現並行化。