Parallel.ForEach 的三四线程并行处理,Parallel.ForEach 的八线程并行处理

简介

当要求为多核机器举办优化的时候,最好先反省下您的主次是或不是有处理可以分割开来展开并行处理。(例如,有一个伟人的多少集合,其中的要素必要一个一个举行互动独立的耗时计算)。

.net framework 4 中提供了 Parallel.ForEach 和 PLINQ
来协理大家开展并行处理,本文切磋那二者的差异及适用的景观。

原作者: Pamela Vagata, Parallel Computing Platform Group, Microsoft
Corporation

Parallel.ForEach

Parallel.ForEach 是 foreach
的四线程完结,他们都能对 IEnumerable<T>
类型对象开展遍历,Parallel.ForEach
的与众差异之处在于它利用四线程来执行循环体内的代码段。

Parallel.ForEach 最常用的样式如下:

public static ParallelLoopResult ForEach<TSource>(
    IEnumerable<TSource> source,
    Action<TSource> body)

原文pdf:http://download.csdn[.NET](http://lib.csdn.net/base/dotnet)/detail/sqlchen/7509513

PLINQ

PLINQ 也是一种对数码举办并行处理的编程模型,它经过 LINQ 的语法来促成类似
Parallel.ForEach 的八线程并行处理。

 

此情此景一:简单数据 之 独立操作的并行处理(使用 Parallel.ForEach)

演示代码:

public static void IndependentAction(IEnumerable<T> source, Action<T> action)
{
    Parallel.ForEach(source, element => action(element));
}

理由:

  1. 纵然 PLINQ 也提供了一个好像的 ForAll
    接口,但它对于简易的单身操作太重量化了。

  2. 应用 Parallel.ForEach 你还是可以设定
    ParallelOptions.马克斯DegreeOfParalelism
    参数(指定最多须求有些个线程),这样当 ThreadPool
    资源缺少(甚至当可用线程数<马克斯DegreeOfParalelism)的时候, Parallel.ForEach
    依然可以胜利运转,并且当后续有更加多可用线程出现时,Parallel.ForEach
    也能马上地动用那些线程。PLINQ 只可以通过WithDegreeOfParallelism
    方法来必要固定的线程数,即:需求了几个就是多少个,不会多也不会少。

====================================================================

现象二:顺序数据 之 并行处理(使用 PLINQ 来维持数据顺序)

当输出的多少系列需求保持原来的次第时采用 PLINQ 的 AsOrdered
方法格外不难高效。

演示代码:

public static void GrayscaleTransformation(IEnumerable<Frame> Movie)
{
    var ProcessedMovie =
        Movie
        .AsParallel()
        .AsOrdered()
        .Select(frame => ConvertToGrayscale(frame));

    foreach (var grayscaleFrame in ProcessedMovie)
    {
        // Movie frames will be evaluated lazily
    }
}

理由:

  1. Parallel.ForEach
    达成起来需求绕一些弯路,首先你需求采取以下的重载在点子:

    public static ParallelLoopResult ForEach(

     IEnumerable<TSource> source,
     Action<TSource, ParallelLoopState, Int64> body)
    

其一重载的 Action 多包蕴了 index
 参数,那样您在出口的时候就能应用这几个值来保持原来的系列顺序。请看下边的事例:

public static double [] PairwiseMultiply(double[] v1, double[] v2)
{
    var length = Math.Min(v1.Length, v2.Lenth);
    double[] result = new double[length];
    Parallel.ForEach(v1, (element, loopstate, elementIndex) =>
        result[elementIndex] = element * v2[elementIndex]);
    return result;
}

你也许已经发现到那里有个醒目标题目:我们应用了一定长度的数组。尽管传入的是
IEnumerable 那么您有4个缓解方案:

(1) 调用 IEnumerable.Count()
来获取数据长度,然后用这一个值实例化一个恒定长度的数组,然后选取上例的代码。

(2) The second option would be to materialize the original collection
before using it; in the event that your input data set is prohibitively
large, neither of the first two options will be
feasible.(没看懂贴原文)

(3)
第三种格局是使用重返一个哈希集合的点子,那种方法下一般必要至少2倍于传播数据的内存,所以拍卖大数据时请慎用。

(4) 自己完毕排序算法(保险传入数据与传播数据通过排序后次序一致)

  1. 相比较 PLINQ 的 AsOrdered
    方法这么简约,而且该方法能处理流式的数量,从而允许传入数据是延迟兑现的(lazy materialized)

简介

当要求为多核机器进行优化的时候,最好先反省下您的主次是还是不是有处理可以分割开来进行并行处理。(例如,有一个高大的数目集合,其中的要素需求一个一个开展互动独立的耗时计量)。

.net framework 4 中提供了 Parallel.ForEach 和 PLINQ
来协理大家开展并行处理,本文切磋那两者的不一样及适用的气象。

情景三:流数据 之 并行处理(使用 PLINQ)

PLINQ 能输出流数据,这一个特性在刹那间场子越发实惠:

1.
结出集不需即使一个总体的处理完成的数组,即:任哪天间点下内存中仅维持数组中的部分音信

  1. 您能够在一个单线程上遍历输出结果(就象是他们早就存在/处理完了)

示例:

public static void AnalyzeStocks(IEnumerable<Stock> Stocks)
{
    var StockRiskPortfolio =
        Stocks
        .AsParallel()
        .AsOrdered()
        .Select(stock => new { Stock = stock, Risk = ComputeRisk(stock)})
        .Where(stockRisk => ExpensiveRiskAnalysis(stockRisk.Risk));

    foreach (var stockRisk in StockRiskPortfolio)
    {
        SomeStockComputation(stockRisk.Risk);
        // StockRiskPortfolio will be a stream of results
    }
}

那边运用一个单线程的 foreach 来对 PLINQ 的出口进行持续处理,平日意况下
foreach 不要求等待 PLINQ 处理完所有数据就能开端运转。

PLINQ 也同意指定输出缓存的法子,具体可参照 PLINQ 的 WithMergeOptions
方法,及 ParallelMergeOptions 枚举

Parallel.ForEach

Parallel.ForEach 是 foreach
的三十二线程达成,他们都能对 IEnumerable<T>
类型对象举行遍历,Parallel.ForEach
的特殊之处在于它选拔二十四线程来举行循环体内的代码段。

Parallel.ForEach 最常用的花样如下:

public static ParallelLoopResult ForEach<TSource>(  IEnumerable<TSource> source,        Action<TSource> body)   

意况四:处理五个汇集(使用 PLINQ)

PLINQ 的 Zip
方法提供了并且遍历多个集合并开展结合元算的章程,并且它可以与任何查询处理操作结合,达成格外复杂的法力。

示例:

public static IEnumerable<T> Zipping<T>(IEnumerable<T> a, IEnumerable<T> b)
{
    return
        a
        .AsParallel()
        .AsOrdered()
        .Select(element => ExpensiveComputation(element))
        .Zip(
            b
            .AsParallel()
            .AsOrdered()
            .Select(element => DifferentExpensiveComputation(element)),
            (a_element, b_element) => Combine(a_element,b_element));
}

演示中的五个数据源可以并行处理,当双方都有一个可用元素时提需要 Zip
举办继续处理(Combine)。

Parallel.ForEach 也能兑现类似的 Zip 处理:

public static IEnumerable<T> Zipping<T>(IEnumerable<T> a, IEnumerable<T> b)
{
    var numElements = Math.Min(a.Count(), b.Count());
    var result = new T[numElements];
    Parallel.ForEach(a,
        (element, loopstate, index) =>
        {
            var a_element = ExpensiveComputation(element);
            var b_element = DifferentExpensiveComputation(b.ElementAt(index));
            result[index] = Combine(a_element, b_element);
        });
    return result;
}

当然使用 Parallel.ForEach
后您就得投机认不过否要维持原来种类,并且要小心数组越界访问的题材。

PLINQ

PLINQ 也是一种对数码举办并行处理的编程模型,它通过 LINQ 的语法来贯彻类似
Parallel.ForEach 的二十多线程并行处理。

场景五:线程局地变量

Parallel.ForEach 提供了一个线程局部变量的重载,定义如下:

public static ParallelLoopResult ForEach<TSource, TLocal>(
    IEnumerable<TSource> source,
    Func<TLocal> localInit,
    Func<TSource, ParallelLoopState, TLocal,TLocal> body,
    Action<TLocal> localFinally)

动用的言传身教:

public static List<R> Filtering<T,R>(IEnumerable<T> source)
{
    var results = new List<R>();
    using (SemaphoreSlim sem = new SemaphoreSlim(1))
    {
        Parallel.ForEach(source,
            () => new List<R>(),
            (element, loopstate, localStorage) =>
            {
                bool filter = filterFunction(element);
                if (filter)
                    localStorage.Add(element);
                return localStorage;
            },
            (finalStorage) =>
            {
                lock(myLock)
                {
                    results.AddRange(finalStorage)
                };
            });
    }
    return results;
}

线程局部变量有如何优势呢?请看下边的例证(一个网页抓取程序):

public static void UnsafeDownloadUrls ()
{
    WebClient webclient = new WebClient();
    Parallel.ForEach(urls,
        (url,loopstate,index) =>
        {
            webclient.DownloadFile(url, filenames[index] + ".dat");
            Console.WriteLine("{0}:{1}", Thread.CurrentThread.ManagedThreadId, url);
        });
}

平时第一版代码是这么写的,不过运行时会报错“System.NotSupportedException
-> WebClient does not support concurrent I/O
operations.”。那是因为多个线程无法同时做客同一个 WebClient
对象。所以大家会把 WebClient 对象定义到线程中来:

public static void BAD_DownloadUrls ()
{
    Parallel.ForEach(urls,
        (url,loopstate,index) =>
        {
            WebClient webclient = new WebClient();
            webclient.DownloadFile(url, filenames[index] + ".dat");
            Console.WriteLine("{0}:{1}", Thread.CurrentThread.ManagedThreadId, url);
        });
}

修改将来依旧有难点,因为您的机械不是服务器,大量实例化的 WebClient
飞速达到你机器允许的虚拟连接上限数。线程局地变量可以缓解这么些难题:

public static void downloadUrlsSafe()
{
    Parallel.ForEach(urls,
        () => new WebClient(),
        (url, loopstate, index, webclient) =>
        {
            webclient.DownloadFile(url, filenames[index]+".dat");
            Console.WriteLine("{0}:{1}", Thread.CurrentThread.ManagedThreadId, url);
            return webclient;
        },
            (webclient) => { });
}

那般的写法有限支撑了大家能赢得丰富的 WebClient 实例,同时这一个 WebClient
实例相互隔离仅仅属于个别关联的线程。

纵然 PLINQ 提供了 ThreadLocal<T> 对象来兑现类似的功能:

public static void downloadUrl()
{
    var webclient = new ThreadLocal<WebClient>(()=> new WebClient ());
    var res =
        urls
        .AsParallel()
        .ForAll(
            url =>
            {
                webclient.Value.DownloadFile(url, host[url] +".dat"));
                Console.WriteLine("{0}:{1}", Thread.CurrentThread.ManagedThreadId, url);
            });
}

唯独请小心:ThreadLocal<T> 相对而言开销更大!

意况一:简单数据 之 独立操作的并行处理(使用 Parallel.ForEach)

以身作则代码:

    public static void IndependentAction(IEnumerable<T> source, Action<T> action)  
    {  
        Parallel.ForEach(source, element => action(element));  
    }  

 理由:

  1. 纵然 PLINQ 也提供了一个近乎的 ForAll
    接口,但它对于简易的独门操作太重量化了。
  2. 选拔 Parallel.ForEach 你仍可以设定
    ParallelOptions.马克斯DegreeOfParalelism
    参数(指定最多需求多少个线程),那样当 ThreadPool
    资源不足(甚至当可用线程数<马克斯DegreeOfParalelism)的时候, Parallel.ForEach
    依旧可以如愿运转,并且当后续有越来越多可用线程出现时,Parallel.ForEach
    也能及时地应用这几个线程。PLINQ 只好通过WithDegreeOfParallelism
    方法来须求固定的线程数,即:要求了多少个就是多少个,不会多也不会少。

场景五:退出操作 (使用 Parallel.ForEach)

Parallel.ForEach 有个重载表明如下,其中蕴蓄一个 ParallelLoopState 对象:

public static ParallelLoopResult ForEach<TSource >(
    IEnumerable<TSource> source,
    Action<TSource, ParallelLoopState> body)

ParallelLoopState.Stop()
提供了脱离循环的措施,那种格局要比任何三种格局更快。这几个方法布告循环不要再开行推行新的迭代,并尽可能快的出产循环。

ParallelLoopState.IsStopped 属性可用来判断其他迭代是还是不是调用了 Stop 方法。

示例:

public static boolean FindAny<T,T>(IEnumerable<T> TSpace, T match) where T: IEqualityComparer<T>
{
    var matchFound = false;
    Parallel.ForEach(TSpace,
        (curValue, loopstate) =>
            {
                if (curValue.Equals(match) )
                {
                    matchFound = true;
                    loopstate.Stop();
                }
            });
    return matchFound;
}

ParallelLoopState.Break() 文告循环继续执行本元素前的迭代,但不执行本元素之后的迭代。最前调用
Break 的起效能,并被记录到 ParallelLoopState.LowestBreakIteration
属性中。那种处理格局经常被利用在一个萧规曹随的搜索处理中,比如您有一个排序过的数组,你想在其中查找匹配元素的矮小
index,那么可以采用以下的代码:

public static int FindLowestIndex<T,T>(IEnumerable<T> TSpace, T match) where T: IEqualityComparer<T>
{
    var loopResult = Parallel.ForEach(source,
        (curValue, loopState, curIndex) =>
        {
            if (curValue.Equals(match))
            {
                loopState.Break();
            }
         });
    var matchedIndex = loopResult.LowestBreakIteration;
    return matchedIndex.HasValue ? matchedIndex : -1;
}

场合二:顺序数据 之 并行处理(使用 PLINQ 来有限支撑数据顺序)

当输出的数目序列须要保持原来的各类时行使 PLINQ 的 AsOrdered
方法万分简单高效。

示范代码:

    public static void GrayscaleTransformation(IEnumerable<Frame> Movie)  
    {  
        var ProcessedMovie =  
            Movie  
            .AsParallel()  
            .AsOrdered()  
            .Select(frame => ConvertToGrayscale(frame));  

        foreach (var grayscaleFrame in ProcessedMovie)  
        {  
            // Movie frames will be evaluated lazily  
        }  
    }  

 理由:

  1. Parallel.ForEach
    完毕起来需求绕一些弯路,首先你必要使用以下的重载在艺术:

     public static ParallelLoopResult ForEach<TSource >(  
         IEnumerable<TSource> source,  
         Action<TSource, ParallelLoopState, Int64> body)  
    

 这些重载的 Action 多带有了 index
 参数,那样你在输出的时候就能动用那么些值来维持原来的行列顺序。请看上边的事例:

    public static double [] PairwiseMultiply(double[] v1, double[] v2)  
    {  
        var length = Math.Min(v1.Length, v2.Lenth);  
        double[] result = new double[length];  
        Parallel.ForEach(v1, (element, loopstate, elementIndex) =>  
            result[elementIndex] = element * v2[elementIndex]);  
        return result;  
    }  

 
您或许曾经发现到此地有个家喻户晓的标题:大家接纳了定位长度的数组。要是传入的是
IEnumerable 那么你有4个缓解方案:

(1) 调用 IEnumerable.Count()
来获取数据长度,然后用那一个值实例化一个定位长度的数组,然后选用上例的代码。

(2) The second option would be to materialize the original collection
before using it; in the event that your input data set is prohibitively
large, neither of the first two options will be
feasible.(没看懂贴原文)

(3)
第二种方法是选择再次回到一个哈希集合的措施,那种艺术下一般须求至少2倍于传播数据的内存,所以拍卖大数据时请慎用。

(4)
自己完成排序算法(有限支撑传入数据与传播数据经过排序后次序一致)

  1. 相比 PLINQ 的 AsOrdered
    方法这么简单,而且该办法能处理流式的数码,从而允许传入数据是延迟贯彻的(lazy materialized)

场景三:流数据 之 并行处理(使用 PLINQ)

PLINQ 能输出流数据,那一个特性在须臾间场馆越发管用:

1.
结实集不需若是一个完好无损的处理完毕的数组,即:任哪天间点下内存中仅维持数组中的部分音信

  1. 您可见在一个单线程上遍历输出结果(就恍如他们已经存在/处理完了)

示例:

    public static void AnalyzeStocks(IEnumerable<Stock> Stocks)  
    {  
        var StockRiskPortfolio =  
            Stocks  
            .AsParallel()  
            .AsOrdered()  
            .Select(stock => new { Stock = stock, Risk = ComputeRisk(stock)})  
            .Where(stockRisk => ExpensiveRiskAnalysis(stockRisk.Risk));  

        foreach (var stockRisk in StockRiskPortfolio)  
        {  
            SomeStockComputation(stockRisk.Risk);  
            // StockRiskPortfolio will be a stream of results  
        }  
    }  

 

此间运用一个单线程的 foreach 来对 PLINQ 的输出进行继续处理,平日状态下
foreach 不须要拭目以待 PLINQ 处理完所有数据就能起初运作。

PLINQ 也同意指定输出缓存的方法,具体可参考 PLINQ 的 WithMergeOptions
方法,及 ParallelMergeOptions 枚举

气象四:处理八个聚众(使用 PLINQ)

PLINQ 的 Zip
方法提供了并且遍历三个集合并开展组合元算的措施,并且它可以与其余查询处理操作结合,落成相当复杂的效应。

示例:

    public static IEnumerable<T> Zipping<T>(IEnumerable<T> a, IEnumerable<T> b)  
    {  
        return  
            a  
            .AsParallel()  
            .AsOrdered()  
            .Select(element => ExpensiveComputation(element))  
            .Zip(  
                b  
                .AsParallel()  
                .AsOrdered()  
                .Select(element => DifferentExpensiveComputation(element)),  
                (a_element, b_element) => Combine(a_element,b_element));  
    }  

 示例中的多个数据源能够并行处理,当二者都有一个可用元素时提需要 Zip
举办持续处理(Combine)。

Parallel.ForEach 也能兑现类似的 Zip 处理:

    public static IEnumerable<T> Zipping<T>(IEnumerable<T> a, IEnumerable<T> b)  
    {  
        var numElements = Math.Min(a.Count(), b.Count());  
        var result = new T[numElements];  
        Parallel.ForEach(a,  
            (element, loopstate, index) =>  
            {  
                var a_element = ExpensiveComputation(element);  
                var b_element = DifferentExpensiveComputation(b.ElementAt(index));  
                result[index] = Combine(a_element, b_element);  
            });  
        return result;  
    }  

 当然使用 Parallel.ForEach
后你就得温馨认同是还是不是要维持原有体系,并且要注意数组越界访问的标题。

场景五:线程局部变量

Parallel.ForEach 提供了一个线程局地变量的重载,定义如下:

    public static ParallelLoopResult ForEach<TSource, TLocal>(  
        IEnumerable<TSource> source,  
        Func<TLocal> localInit,  
        Func<TSource, ParallelLoopState, TLocal,TLocal> body,  
        Action<TLocal> localFinally)  

 使用的示范:

    public static List<R> Filtering<T,R>(IEnumerable<T> source)  
    {  
        var results = new List<R>();  
        using (SemaphoreSlim sem = new SemaphoreSlim(1))  
        {  
            Parallel.ForEach(source,  
                () => new List<R>(),  
                (element, loopstate, localStorage) =>  
                {  
                    bool filter = filterFunction(element);  
                    if (filter)  
                        localStorage.Add(element);  
                    return localStorage;  
                },  
                (finalStorage) =>  
                {  
                    lock(myLock)  
                    {  
                        results.AddRange(finalStorage)  
                    };  
                });  
        }  
        return results;  
    }  

 线程局地变量有何样优势呢?请看下边的例证(一个网页抓取程序):

    public static void UnsafeDownloadUrls ()  
    {  
        WebClient webclient = new WebClient();  
        Parallel.ForEach(urls,  
            (url,loopstate,index) =>  
            {  
                webclient.DownloadFile(url, filenames[index] + ".dat");  
                Console.WriteLine("{0}:{1}", Thread.CurrentThread.ManagedThreadId, url);  
            });  
    }  

 常常第一版代码是这样写的,可是运行时会报错“System.NotSupportedException
-> WebClient does not support concurrent I/O
operations.”。那是因为三个线程无法同时做客同一个 WebClient
对象。所以大家会把 WebClient 对象定义到线程中来:

    public static void BAD_DownloadUrls ()  
    {  
        Parallel.ForEach(urls,  
            (url,loopstate,index) =>  
            {  
                WebClient webclient = new WebClient();  
                webclient.DownloadFile(url, filenames[index] + ".dat");  
                Console.WriteLine("{0}:{1}", Thread.CurrentThread.ManagedThreadId, url);  
            });  
    }  

 修改未来如故有标题,因为你的机械不是服务器,大量实例化的 WebClient
急迅达到你机器允许的杜撰连接上限数。线程局地变量可以解决这几个题材:

    public static void downloadUrlsSafe()  
    {  
        Parallel.ForEach(urls,  
            () => new WebClient(),  
            (url, loopstate, index, webclient) =>  
            {  
                webclient.DownloadFile(url, filenames[index]+".dat");  
                Console.WriteLine("{0}:{1}", Thread.CurrentThread.ManagedThreadId, url);  
                return webclient;  
            },  
                (webclient) => { });  
    }  

 这样的写法有限支撑了我们能赢得丰富的 WebClient 实例,同时那个 WebClient
实例互相隔离仅仅属于个别关联的线程。

固然 PLINQ 提供了 ThreadLocal<T> 对象来贯彻类似的效应:

    public static void downloadUrl()  
    {  
        var webclient = new ThreadLocal<WebClient>(()=> new WebClient ());  
        var res =  
            urls  
            .AsParallel()  
            .ForAll(  
                url =>  
                {  
                    webclient.Value.DownloadFile(url, host[url] +".dat"));  
                    Console.WriteLine("{0}:{1}", Thread.CurrentThread.ManagedThreadId, url);  
                });  
    }  

 但是请留心:ThreadLocal<T> 相对而言花费更大!

场景五:退出操作 (使用 Parallel.ForEach)

Parallel.ForEach 有个重载表明如下,其中蕴涵一个 ParallelLoopState 对象:

 

    public static ParallelLoopResult ForEach<TSource >(  
        IEnumerable<TSource> source,  
        Action<TSource, ParallelLoopState> body)  

ParallelLoopState.Stop()
提供了脱离循环的主意,那种办法要比其它两种办法更快。那些办法布告循环不要再开行推行新的迭代,并尽可能快的出产循环。

ParallelLoopState.IsStopped 属性可用来判断其他迭代是还是不是调用了 Stop
方法。

示例:

    public static boolean FindAny<T,T>(IEnumerable<T> TSpace, T match) where T: IEqualityComparer<T>  
    {  
        var matchFound = false;  
        Parallel.ForEach(TSpace,  
            (curValue, loopstate) =>  
                {  
                    if (curValue.Equals(match) )  
                    {  
                        matchFound = true;  
                        loopstate.Stop();  
                    }  
                });  
        return matchFound;  
    }  

 ParallelLoopState.Break() 公告循环继续执行本元素前的迭代,但不举办本元素之后的迭代。最前调用
Break 的起功用,并被记录到 ParallelLoopState.LowestBreakIteration
属性中。那种处理格局平日被利用在一个萧规曹随的搜索处理中,比如您有一个排序过的数组,你想在中间查找匹配元素的小不点儿
index,那么可以应用以下的代码:

    public static int FindLowestIndex<T,T>(IEnumerable<T> TSpace, T match) where T: IEqualityComparer<T>  
    {  
        var loopResult = Parallel.ForEach(source,  
            (curValue, loopState, curIndex) =>  
            {  
                if (curValue.Equals(match))  
                {  
                    loopState.Break();  
                }  
             });  
        var matchedIndex = loopResult.LowestBreakIteration;  
        return matchedIndex.HasValue ? matchedIndex : -1;  
    }  

 就算 PLINQ 也提供了退出的建制(cancellation
token
),但相对来说退出的空子并从未
Parallel.ForEach 那么及时。