快捷導航

淺談.Net并行計算之數(shù)據(jù)并行

更新時間：2013年12月23日 15:22:09 作者：

這篇文章主要介紹了.Net并行計算之數(shù)據(jù)并行，有需要的朋友可以參考一下

從第一臺計算機問世到現(xiàn)在計算機硬件技術(shù)已經(jīng)有了很大的發(fā)展。不管是現(xiàn)在個人使用的PC還是公司使用的服務(wù)器。雙核，四核,八核的CPU已經(jīng)非常常見。這樣我們可以將我們程序分攤到多個計算機CPU中去計算，在過去并行化需要線程的低級操作，難度很大，在.net4.0中的增強了對并行化的支持，使得這一切變得非常簡單。本次我從以下幾個方面大家講以下.NET 并行

1.      數(shù)據(jù)并行
2.      任務(wù)并行
3.      并行Linq
4.      任務(wù)工廠
5.      注意事項

本次主要給大家講一下數(shù)據(jù)并行廢話不說，下面開始了

數(shù)據(jù)并行其實就是指對原集合或者數(shù)組中的數(shù)據(jù)進行劃區(qū)之后分攤到多個CPU或者多個線程執(zhí)行相同的操作在 .net中的 System.Threading.Tasks 提供了對數(shù)據(jù)并行的支持類， Parallel.For，Parallel.ForEach和我們經(jīng)常的使用的for 和foreach 十分的相似，你不用創(chuàng)建線程隊列，在基本的循環(huán)中你不用使用鎖。這些.net 會幫你處理，你只需要關(guān)注你自己的業(yè)務(wù) 那下面我們就來看看 Parallel.For 和 Parallel.ForEach 是如何使用的

• Parallel.For 簡單使用

復制代碼代碼如下:

   Parallel.For(0, 100, i => { 
                dosameting()
            });

上面的例子是不是和我們經(jīng)常使用的for循環(huán)的影子。說一下 Parallel.For 的第三個參數(shù)Action<int>類型的委托不管這個委托的參數(shù)是0個還是多少個他的返回植都是void，那么怎么樣才能獲取到Parallel.For 中的的返回值了，下面的例子將演示如何使用線程本地變量來存儲和檢索由 for 循環(huán)創(chuàng)建的每個單獨任務(wù)中的狀態(tài) 通過使用線程本地數(shù)據(jù)，您可以避免將大量的訪問同步為共享狀態(tài)的開銷。在任務(wù)的所有迭代完成之前，您將計算和存儲值，而不是寫入每個迭代上的共享資源。然后，您可以將最終結(jié)果一次性寫入共享資源，或?qū)⑵鋫鬟f到另一個方法

•對個list<int> 進行求和我們這里假設(shè)List的長度為listLength

復制代碼代碼如下:

   Parallel.For<long>(0, listLength, () => 0, (j, loop, subsum) =>
            {
                subsum += lista[j];
                return subsum;

}, (x) => Interlocked.Add(ref sum, x));

•在現(xiàn)實中我們也經(jīng)常會遇到需要取消循環(huán)的情況。比如你在隊列中查找一個數(shù)。那么如何退出Parallel.For 循環(huán)了。是不是也是和for 和foreach那樣使用Break關(guān)鍵字就可以了，答案否定的。這是因為break 構(gòu)造對循環(huán)是有效的，而并行循環(huán)其實是一個方法，并不是循環(huán) 那么要怎么樣取消了。請看下面的例子

復制代碼代碼如下:

Parallel.For<long>(0, listLength, () => 0, (j, loop, subsum) =>
            {
                if (subsum > 20000)
                {
                    loop.Break();
                }

subsum += lista[j];
return subsum;

}, (x) => Interlocked.Add(ref sum, x));

• 簡單Parallel.ForEach 循環(huán) Parallel.ForEach循環(huán)的工作方式類似于 Parallel.For 循環(huán) 根據(jù)系統(tǒng)環(huán)境，對源集合進行分區(qū)，并在多個線程上計劃工作。系統(tǒng)中的處理器越多，并行方法的運行速度越快。對于某些源集合，順序循環(huán)可能更快，具體取決于源的大小和正在執(zhí)行的工作類型

復制代碼代碼如下:

Parallel.ForEach(lista, i => { dosameting(); });

不知道大家在這個地方有沒有看到foreach的影子。其實上面的例子中的ForEach方法的最后一個輸入?yún)?shù)是 Action<int>委托，當所有循環(huán)完成時，方法將調(diào)用該委托。這個地方和前面的Parallel.For 是一樣的。那么我們要如何獲得返回值了和上面的For是非常相似，我依然以上面數(shù)組求和為例

復制代碼代碼如下:

Parallel.ForEach<int, long>(lista, () => 0, (j, loop, subsum) =>
       {
           if (subsum > 20000)
           {
               loop.Break();
           }

           subsum += lista[j];
           return subsum;

       }, (x) => Interlocked.Add(ref sum, x));

• Parallel.For 和for 性能測試比較我們這里產(chǎn)生1千萬個隨機數(shù)為例子做個一個性能比較，在筆者的筆記本上結(jié)果如下（可能在你的電腦上得到結(jié)果不一定相同）

附上相關(guān)的代碼給大家參考

復制代碼代碼如下:

int listLength = 10000000;
            List<int> listTask = new List<int>();
            List<int> list = new List<int>();
            Stopwatch watch1 = Stopwatch.StartNew();

            Parallel.For(0, listLength, i => {
                Random r = new Random(100);
                listTask.Add(r.Next());

            });
            Console.WriteLine("并行耗時:" + watch1.ElapsedMilliseconds );

Stopwatch watch2 = Stopwatch.StartNew();

            for (int i = 0; i < listLength; i++)
            {
                Random r = new Random(100);
                list.Add(r.Next());
            }

Console.WriteLine("非并行耗時:" + watch2.ElapsedMilliseconds );

您可能感興趣的文章: