几时使用,Foreach的整个学问要点

简介

当须要为多核机器实行优化的时候,最好先检查下你的先后是还是不是有处理能够分割开来进展并行处理。(例如,有一个宏大的数码集合,在那之中的要素需求三个三个拓展互动独立的耗费时间计量)。

.net framework 4 中提供了 Parallel.ForEach 和 PLINQ
来援救大家举行并行处理,本文斟酌这多头的出入及适用的景况。

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

Parallel.ForEach

Parallel.ForEach 是 foreach
的三十二线程完结,他们都能对 IEnumerable<T>
类型对象实行遍历,Parallel.ForEach
的特殊之处在于它利用多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 也是一种对数据开始展览并行处理的编制程序模型,它通过 LINQ 的语法来达成类似
Parallel.ForEach 的多线程并行处理。

 

情景一: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. 虽说 PLINQ 也提供了一个像样的 ForAll
    接口,但它对于简易的单独操作太重量化了。

  2. 接纳 Parallel.ForEach 你还能够够设定
    ParallelOptions.马克斯DegreeOfParalelism
    参数(钦定最多必要多少个线程),这样当 ThreadPool
    能源贫乏(甚至当可用线程数<马克斯DegreeOfParalelism)的时候, Parallel.ForEach
    依旧能够得手运作,并且当后续有更加多可用线程出现时,Parallel.ForEach
    也能马上地应用这一个线程。PLINQ 只好通过WithDegreeOfParallelism
    方法来须求一定的线程数,即:必要了多少个正是多少个,不会多也不会少。

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

情景二:顺序数据 之 并行处理(使用 PLINQ 来保持数据顺序)

当输出的数码连串须求保持原来的顺序时接纳 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
    完毕起来须求绕一些弯路,首先你须求运用以下的重载在点子:

    public static ParallelLoopResult ForEach(

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

其一重载的 Action 多带有了 index
 参数,那样你在出口的时候就能运用那些值来维系原来的行列顺序。请看下边的例子:

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;
}

您大概早就发现到那里有个精通的题材:我们应用了永恒长度的数组。如若传入的是
IEnumerable 那么你有陆个缓解方案:

(1) 调用 IEnumerable.Count()
来获取数据长度,然后用那么些值实例化一个原则性长度的数组,然后使用上例的代码。

(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)
第二种艺术是应用重回3个哈希集合的方法,那种艺术下一般需求至少2倍于传播数据的内部存款和储蓄器,所以拍卖大数目时请慎用。

(4) 本人达成排序算法(保障传入数据与传播数据通过排序后次序一致)

  1. 对待 PLINQ 的 AsOrdered
    方法这么总结,而且该办法能处理流式的数额,从而允许传入数据是延迟落实的(lazy materialized)

简介

当供给为多核机器进行优化的时候,最好先反省下你的次序是或不是有处理能够分割开来开展并行处理。(例如,有四个了不起的数据集合,在那之中的成分必要一个多个拓展相互独立的耗费时间计量)。

.net framework 4 中提供了 Parallel.ForEach 和 PLINQ
来援助大家开始展览并行处理,本文研商那三头的异样及适用的情景。

场合三:流数据 之 并行处理(使用 PLINQ)

PLINQ 能输出流数据,那特性格在弹指间场面尤其管用:

1.
结果集不需假如叁个全部的处理完成的数组,即:任什么日时期点下内存中仅维持数组中的部分音讯

  1. 您能够在三个单线程上遍历输出结果(就就如他们一度存在/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
    }
}

此间运用八个单线程的 foreach 来对 PLINQ 的出口实行继续处理,平日景况下
foreach 不需求等待 PLINQ 处理完全数数据就能发轫运维。

PLINQ 也同意内定输出缓存的章程,具体可参考 PLINQ 的 WithMergeOptions
方法,及 ParallelMergeOptions 枚举

Parallel.ForEach

Parallel.ForEach 是 foreach
的二十四线程完成,他们都能对 IEnumerable<T>
类型对象开始展览遍历,Parallel.ForEach
的特有之处在于它利用三十二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)   

情景四:处理多个集聚(使用 PLINQ)

PLINQ 的 Zip
方法提供了并且遍历几个集合并开始展览结合元算的办法,并且它能够与其它查询处理操作结合,实现10分复杂的法力。

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));
}

葡萄娱乐官方,演示中的三个数据源能够并行处理,当双方都有二个可用成分时提供给 Zip
进行一连处理(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
后您就得温馨认可是或不是要保全原来连串,并且要注意数组越界访问的难点。

PLINQ

PLINQ 也是一种对数码举办并行处理的编制程序模型,它经过 LINQ 的语法来完结类似
Parallel.ForEach 的二十四线程并行处理。

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)

接纳的示范:

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;
}

线程局地变量有哪些优势呢?请看下边的例子(三个网页抓取程序):

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);
        });
}

普普通通第3版代码是如此写的,可是运维时会报错“System.NotSupportedException
-> WebClient does not support concurrent I/O
operations.”。那是因为多少个线程不能够同时做客同3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);
        });
}

修改现在仍旧十分,因为你的机器不是服务器,多量实例化的 WebClient
神速达到你机器允许的虚拟连接上限数。线程局地变量能够缓解这一个题材:

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) => { });
}

如此的写法保险了大家能博取充足的 WebClient 实例,同时那几个 WebClient
实例相互隔绝仅仅属于个别关联的线程。

固然如此 PLINQ 提供了 ThreadLocal<T> 对象来落成类似的效果:

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);
            });
}

但是请小心:ThreadLocal<T> 相对而言开支更大!

情况一: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. 固然如此 PLINQ 也提供了二个好像的 ForAll
    接口,但它对于简易的独立操作太重量化了。
  2. 使用 Parallel.ForEach 你仍是能够够设定
    ParallelOptions.马克斯DegreeOfParalelism
    参数(钦定最多须要多少个线程),那样当 ThreadPool
    能源不足(甚至当可用线程数<马克斯DegreeOfParalelism)的时候, Parallel.ForEach
    如故能够得手运作,并且当后续有越多可用线程出现时,Parallel.ForEach
    也能立即地利用那一个线程。PLINQ 只可以通过WithDegreeOfParallelism
    方法来必要固定的线程数,即:供给了多少个正是多少个,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,个中蕴蓄三个 ParallelLoopState 对象:

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

ParallelLoopState.Stop()
提供了退出循环的办法,那种办法要比其他二种艺术更快。那一个艺术文告循环不要再起步实施新的迭代,并尽量快的出产循环。

ParallelLoopState.IsStopped 属性可用来判断其余迭代是不是调用了 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成分前的迭代,但不进行本成分之后的迭代。最前调用
Break 的起效能,并被记录到 ParallelLoopState.LowestBreakIteration
属性中。那种处理格局平时被利用在二个如法泡制的搜寻处理中,比如您有2个排序过的数组,你想在中间查找匹配成分的细小
index,那么能够应用以下的代码:

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;
}

现象二:顺序数据 之 并行处理(使用 PLINQ 来保证数据顺序)

当输出的数额体系须求保持原来的顺序时使用 PLINQ 的 AsOrdered
方法分外简单高效。

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
    实现起来必要绕一些弯路,首先你必要接纳以下的重载在措施:

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

 那一个重载的 Action 多带有了 index
 参数,那样你在输出的时候就能应用那个值来维持原来的队列顺序。请看下边的例证:

    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;  
    }  

 
您大概已经发现到那里有个令人注指标标题:我们应用了永恒长度的数组。借使传入的是
IEnumerable 那么你有五个缓解方案:

(1) 调用 IEnumerable.Count()
来获取数据长度,然后用这些值实例化三个定点长度的数组,然后使用上例的代码。

(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)
第三种艺术是采用重回一个哈希集合的艺术,那种措施下一般须求至少2倍于传播数据的内部存款和储蓄器,所以拍卖大数据时请慎用。

(4)
本人达成排序算法(保障传入数据与传播数据经过排序后次序一致)

  1. 对待 PLINQ 的 AsOrdered
    方法这么不难,而且该办法能处理流式的数目,从而允许传入数据是延迟落实的(lazy materialized)

场景三:流数据 之 并行处理(使用 PLINQ)

PLINQ 能输出流数据,这么些特点在弹指间场子尤其有效:

1.
结实集不需假使三个完好无损的处理实现的数组,即:任曾几何时刻点下内部存款和储蓄器中仅维持数组中的部分音讯

  1. 你能够在二个单线程上遍历输出结果(就象是他们曾经存在/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  
        }  
    }  

 

那里运用1个单线程的 foreach 来对 PLINQ 的输出实行一而再处理,日常状态下
foreach 不要求拭目以待 PLINQ 处理完全部数据就能最先运转。

PLINQ 也同意钦赐输出缓存的方法,具体可参看 PLINQ 的 WithMergeOptions
方法,及 ParallelMergeOptions 枚举

气象四:处理多个汇集(使用 PLINQ)

PLINQ 的 Zip
方法提供了并且遍历多个集合并开始展览组合元算的方法,并且它能够与其余查询处理操作结合,完毕卓殊复杂的效益。

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));  
    }  

 示例中的四个数据源能够并行处理,当彼此都有一个可用成分时提须要 Zip
进行继续处理(Combine)。

Parallel.ForEach 也能落实类似的 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
后您就得自身认可是不是要保全原有种类,并且要注意数组越界访问的题材。

场景五:线程局地变量

Parallel.ForEach 提供了3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)  

 使用的以身作则:

    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;  
    }  

 线程局部变量有啥样优势呢?请看上边的例子(贰个网页抓取程序):

    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2版代码是那般写的,可是运营时会报错“System.NotSupportedException
-> WebClient does not support concurrent I/O
operations.”。那是因为三个线程不恐怕同时做客同二个 WebClient
对象。所以咱们会把 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);  
            });  
    }  

 修改之后仍然有标题,因为你的机械不是服务器,大批量实例化的 WebClient
神速达到你机器允许的虚构连接上限数。线程局地变量能够缓解这几个难点:

    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) => { });  
    }  

 这样的写法保障了大家能博得充足的 WebClient 实例,同时这个 WebClient
实例互相隔绝仅仅属于个别关联的线程。

就算如此 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);  
                });  
    }  

 不过请留心:ThreadLocal<T> 相对而言开支更大!

场景五:退出操作 (使用 Parallel.ForEach)

Parallel.ForEach 有个重载注解如下,当中包含3个 ParallelLoopState 对象:

 

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

ParallelLoopState.Stop()
提供了退出循环的艺术,这种措施要比其余二种艺术更快。那几个办法公告循环不要再起步实施新的迭代,并尽量快的生产循环。

ParallelLoopState.IsStopped 属性可用来判定其他迭代是或不是调用了 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成分前的迭代,但不履行本成分之后的迭代。最前调用
Break 的起效能,并被记录到 ParallelLoopState.LowestBreakIteration
属性中。这种处理格局平常被接纳在1个稳步的追寻处理中,比如您有3个排序过的数组,你想在里面查找匹配成分的矮小
index,那么能够利用以下的代码:

    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;  
    }  

 即使 PLINQ 也提供了退出的机制(cancellation
token
),但相对来说退出的机遇并从未
Parallel.ForEach 那么及时。