C#并行与多线程——Parallel并行


从线程说起

线程分为软件线程和硬件线程。

硬件线程又叫做逻辑内核,我们可以在”任务管理器“中查看”性能“标签页,就能查看电脑的线程数,我们常说的四核八线程,就是指这个,当然这里的四核八线程,其中的八线程是超线程技术,也就是一个核心对应两个线程,从而从硬件层面提升执行性能。

至于软件线程,我们知道一般来说代码都是串行的,就一个主线程,当我们为了实现加速而开了很多工作线程,这些工作线程,也就是软件线程。

线程管理

在.net 4.0之后的版本中,微软给我们提供了一个新的命名空间:System.Threading.Tasks。

这个命名空间提供了一系列的操作类来供我们对线程进行控制。

并行Parallel

在Parallel下面有三个常用的方法invoke,For和ForEach。

先说下StopWatch,这个类主要用于测速,记录时间。

StopWatch 位于 System.Diagnostics命名空间,StopWatch有如下方法:

  • var stopWatch = new StopWatch(); //创建一个Stopwatch实例

  • stopWatch.Start(); //开始计时

  • stopWatch.Stop(); //停止计时

  • stopWatch.Reset(); //重置StopWatch

  • stopWatch.Restart(); //重新启动被停止的StopWatch

  • stopWatch.ElapsedMilliseconds //获取stopWatch从开始到现在的时间差,单位是毫秒

引入System.Threading(MSDN-System.Threading Namespace) 和 System.Threading.Tasks(MSDN-System.Threading.Tasks Namespace) 来使用Parallel。

Parallel.invoke()

public void Run1()
{
    Thread.Sleep(2000);
    Console.WriteLine("Task 1 is cost 2 sec");
}

public void Run2()
{
    Thread.Sleep(3000);
    Console.WriteLine("Task 1 is cost 3 sec");
}

写两个方法,一个让线程睡眠2s(2000ms),另一个让线程睡眠3s。

通过计时来观察,程序执行的过程,和Parallel的执行。

public void ParallelInvokeMethod()
{
    sp.Start();
    Parallel.Invoke(Run1, Run2);
    sp.Stop();
    Console.WriteLine("Parallel run " + sp.ElapsedMilliseconds + " ms.");

    sp.Restart();
    Run1();
    Run2();
    sp.Stop();
    Console.WriteLine("Normal run " + sp.ElapsedMilliseconds + " ms.");
}

实例化该方法并在mian函数中调用执行,可以从结果中观察到,该方法两段程序的执行结果的差异。

Parallel结果

很直观的看出,使用Parallel.Invoke()之后,Run1和Run2是并行执行的,一共用时3s(3000ms左右),而直接运行Run1和Run2则耗时5s。

Parallel.For()

Parallel.For()的用法和 For 类似,直接看代码:

public void ParallelForMethod()
{
    Stopwatch sp = new Stopwatch();

    sp.Start();

    for (int i = 0; i < 10000; i++)
    {
        for (int j = 0; j < 60000; j++)
        {
            int sum = 0;
            sum+=i;
        }
    }
    sp.Stop();
    Console.WriteLine("NormalFor run " + sp.ElapsedMilliseconds + " ms.");

    sp.Reset();
    sp.Start();
    Parallel.For(0, 10000, item =>
                 {
                     for (int j = 0; j < 60000; j++)
                     {
                         int sum = 0;
                         sum += item;
                     }
                 });
    sp.Stop();
    Console.WriteLine("ParallelFor run " + sp.ElapsedMilliseconds + " ms.");
}

一个使用Parallel.For的双层循环累加,和一个普通的双层循环累加,执行时间的差距却非常大。

Parallel结果

Parallel.For实际上是并行执行了循环,因为内部只是一个单纯的累加,因此效率差异明显,但是并非所有的场景都适合使用并行循环

修改一下上面的方法。


public void ParallelForMethodFromGV()
{
    var obj = new Object();
    long num = 0;

    sp.Start();
    for (int i = 0; i < 10000; i++)
    {
        for (int j = 0; j < 60000; j++)
        {
            num++;
        }
    }
    sp.Stop();
    Console.WriteLine("NormalFor run " + sp.ElapsedMilliseconds + " ms.");

    sp.Reset();
    sp.Start();
    Parallel.For(0, 10000, item =>
    {
        for (int j = 0; j < 60000; j++)
        {
            lock (obj)
            {
                num++;
            }
        }
    });
    sp.Stop();
    Console.WriteLine("ParallelFor run " + sp.ElapsedMilliseconds + " ms.");

}

改为操作一个全局变量的累加,这个时候由于并行请求,需要等待调用内存中的全局变量num,效率反而降低。

Parallel结果

同样的,由于并行处理的原因,For的结果并不是按照原有顺序进行的:

public void ParallelForCW()
{
    Parallel.For(0, 100, i => { Console.Write(i + "\t"); });
}

Parallel结果

Parallel.For虽然在执行效率上高于For,但是必须要在符合条件的场景下使用!

Parallel.ForEach()

ForEach是For的拓展,用于遍历数组或则list对象,实际上的意义和用法与For相同,因此Parallel中的 ForEach也是这般,这里不过多赘述。

Stopwatch sp = new Stopwatch();
public void ParallelForEachMethod()
{
    int[] arr = { 0,1,2,2,3,3,123,123,12,31,231,23,1,231,3,13,1,231,23,123,1,23,123,12,31,23,123,12,312,3,123,1,23};
    List<int> list = new List<int>(arr);
    List<int> list2 = new List<int>(arr);

    sp.Start();
    Parallel.ForEach(arr, item =>
    {
        list.Add(item);
    });
    sp.Stop();
    Console.WriteLine("ParallelForEach run " + sp.ElapsedMilliseconds + " ms.");

    sp.Restart();
    foreach (var item in arr)
    {
        list2.Add(item);
    }
    sp.Stop();
    Console.WriteLine("NormalForEach run " + sp.ElapsedMilliseconds + " ms.");
}

文章作者: 游梦
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 游梦 !
   目录