前言 併發、並行。同步、非同步、互斥、多線程。我太難了。被這些詞搞懵了。前面我們在寫.Net基礎系列的時候寫過了關於.Net的非同步編程。那麼其他的都是些什麼東西呀。今天我們首先就來解決這個問題。把這些詞搞懂搞透。理清邏輯。然後最後我們進入並行編程的介紹。 概念初識 首先我們看併發和並行: 併發:併發指 ...
前言
併發、並行。同步、非同步、互斥、多線程。我太難了。被這些詞搞懵了。前面我們在寫.Net基礎系列的時候寫過了關於.Net的非同步編程。那麼其他的都是些什麼東西呀。今天我們首先就來解決這個問題。把這些詞搞懂搞透。理清邏輯。然後最後我們進入並行編程的介紹。
概念初識
首先我們看併發和並行:
併發:併發指的是在操作系統中,一個是時間段內有多個程式在運行,但是呢。這幾個程式都運行在同一個處理機上,並且任意時間點都是一個程式運行在處理機上。
並行:並行指的是在操作系統中,一個時間段內有多個程式在運行,但是呢。這幾個程式分別運行在不同的處理機上。也就是說這些程式是一起運行的。
簡單理解也就是併發就像三個包子給一個人吃,一口吃一個包子。並行就是三個包子給三個人吃,三個人一口分別吃三個包子。
然後我們看看非同步與多線程概念:
剛剛我們講到併發的理解概念,其中併發包含兩種關係-同步和互斥。同步和互斥我們都是相對於臨界資源來談的。
互斥:進程間相互排斥使用臨界資源的現象就叫互斥。就好比進程A在訪問List集合的時候,進程B也想訪問,但是A在訪問。B就阻塞等待A訪問完成之後才去訪問。
同步:進程間的關係不是臨界資源的相互排斥,而是相互依賴。例如進程B需要讀取一個集合結果,但是這個集合結果需要進程A返回,當進程A沒有返回集合結果時,進程B就會因為沒有獲得信息而阻塞。當進程A返回信息。進程B就可以獲得信息被喚起繼續運行。
多線程:多線程可以說是程式設計的一個邏輯概念,多線程實現了線程的切換。使其看起來似乎是在同時運行多個線程一樣。是進程中併發運行的一段代碼。
非同步:非同步與同步相對應。同步是進程間相互依賴。非同步是進程間相互獨立。不需要等待上一個進程的結果。可以做自己的事情。
上面我們就介紹完了併發、並行、互斥、同步、多線程、非同步。我們總結下其中關聯吧:
非同步與多線程並不相等。非同步是需要達到的目的,多線程是一個是實現非同步的一種手段。最後達到的目的是什麼呢?就是併發中線程的切換。同步也可以實現線程切換,但是由於同步中IO等待會浪費時間,所以同步切換進程與非同步切換進行就有明顯的時間差距。
Parallel
今天我們介紹的是Parallel類。該類位於System.Threading.Tasks命名空間中。依次來實現數據和任務的並行性。
其中定義了並行的for和foreach的靜態方法、還包含著Parallel.Invoke()用於任務的並行性。我們下麵就來看看吧。
Parallel.For()
Parallel.For()方法類似於#中的for迴圈語句,但是Parallel.For()是可以並行運行的。不過並行運行並不保證迭代運行的順序。我們來看看。
public static void ForEx() { Stopwatch stopwatch = new Stopwatch(); stopwatch.Start(); List<Test> list = new List<Test>(); for (int i = 0; i < 100; i++) { Test test = new Test(); test.Name = "Name:" + i; test.Index = "Index:" + i; test.Time = DateTime.Now; list.Add(test); Task.Delay(10).Wait(); Console.WriteLine("C#中的for迴圈:" + i); } stopwatch.Stop(); Console.WriteLine("for 0-100 執行完成 耗時:{0}", stopwatch.ElapsedMilliseconds); } public static void ParallelFor() { Stopwatch stopwatch = new Stopwatch(); stopwatch.Start(); List<Test> lists = new List<Test>(); Parallel.For(1, 100, i => { Test tests = new Test(); tests.Name = "Name:" + i; tests.Index = "Index:" + i; tests.Time = DateTime.Now; lists.Add(tests); Task.Delay(10).Wait(); Console.WriteLine("Parallel中的ParallelFor迴圈:" + i); }); stopwatch.Stop(); Console.WriteLine("ParallelFor 0-100 執行完成 耗時:{0}", stopwatch.ElapsedMilliseconds); }
static void Main(string[] args) { Console.WriteLine("Start"); ForEx(); Console.WriteLine("for迴圈完成"); ParallelFor(); Console.WriteLine("End"); }
這裡我們可以看到最後的運行結果圖使用for迴圈的執行下來都是依次執行。按照相應的順序。但是我們使用Parallel.For()的時候運行下來。也輸出了所有的結果,但是其順序就沒有保證了。
Parallel.ForEach()
我們再看Parallel.ForEach()提供了一個並行處理數據的機制。這裡類似於foreach語句,但是是以一部方式遍歷。這裡沒有確定遍歷的順序,其執行順序也就是不保證的。
#region ForEach 語句比較 public static void ParallelForEach() { List<Test> result = new List<Test>(); for (int i = 1; i < 100; i++) { Test model = new Test(); model.Name = "Name" + i; model.Index = "Index" + i; model.Time = DateTime.Now; result.Add(model); } Parallel.ForEach<Test>(result, s => { Console.WriteLine(s.Name); }); } #endregion
static void Main(string[] args) { ParallelForEach(); }
我們看這裡的運行結果,對數據集合進行了遍歷處理,但是其運行的順序不定,是亂序的結果。這也就是非同步遍歷的一個表現。
ParallelLoopState
下麵我們來看ParallelLoopState。它提供了兩個方法。一個是Break、一個是Stop。
Break:表示並行迴圈執行了當前迭代後應儘快停止執行。篩選出符合條件的執行,可能輸出完全。
Stop:表示並行迴圈應儘快停止執行。遇到符合條件後停止並行迴圈,可能不完全輸出。
下麵我們看看代碼:
public static List<Test> GetListTest() { List<Test> result = new List<Test>(); for (int i = 1; i < 100; i++) { Test model = new Test(); model.Name = i.ToString(); model.Index = "Index" + i; model.Time = DateTime.Now; result.Add(model); } return result; } public static void BraekFor() { var result = GetListTest(); Parallel.For(0, result.Count, (int i, ParallelLoopState ls) => { Task.Delay(10).Wait(); if (i > 50) { Console.WriteLine("Parallel.For使用Break停止當前迭代:" + i); ls.Break(); return; } Console.WriteLine("測試Parallel.For的Break:" + i); }); } public static void StopFor() { var result = GetListTest(); Parallel.For(0, result.Count, (int i, ParallelLoopState ls) => { Task.Delay(10).Wait(); if (i > 50) { Console.WriteLine("Parallel.For使用Stop停止 迭代:" + i); ls.Stop(); return; } Console.WriteLine("測試Parallel.For的Stop:" + i); }); }
static void Main(string[] args) { BraekFor(); StopFor(); }
我們看對於Parallel.For()來說這個案例。使用Break()停止當前迭代會輸出符合條件所有結果,但是我們使用Stop的時候輸出部分的時候就停止了。
public static void BraekForEach() { var result = GetListTest(); Parallel.ForEach<Test>(result, (Test s, ParallelLoopState ls) => { Task.Delay(10).Wait(); if (Convert.ToInt32(s.Name) > 50) { Console.WriteLine("Parallel.ForEach使用Break停止當前迭代:" + s.Name); ls.Break(); return; } Console.WriteLine("測試Parallel.ForEach的Break:" + s.Name); }); } public static void StopForEach() { var result = GetListTest(); Parallel.ForEach<Test>(result, (Test s, ParallelLoopState ls) => { Task.Delay(10).Wait(); if (Convert.ToInt32(s.Name) > 50) { Console.WriteLine("Parallel.ForEach使用Stop停止 迭代:" + s.Name); ls.Stop(); return; } Console.WriteLine("測試Parallel.ForEach的Stop:" + s.Name); }); }
static void Main(string[] args) { BraekForEach(); StopForEach(); }
我們再對Parallel.ForEach進行測試,發現對於Stop和Break的用法和意義是一樣的。
Parallel.Invoke()
上面我們介紹了Parallel.For和Parallel.ForEach以及提供的兩個方法Break和Stop。上面介紹的這些都是對數據的並行處理執行。下麵我們介紹Parallel.Invoke()。它是針對於任務的並行運行處理。
這裡我們需要註意以下幾點:
1、如果我們傳入4個任務並行,那麼我們至少需要四個邏輯處理內核(硬體線程)才可能使四個任務一起運行。但是當其中一個內核繁忙,那麼底層的調度邏輯就可能會延遲某些方法的初始化執行。
2、Parallel.Invoke()所包含的並行任務不能相互依賴,因為運行執行的順序不可保證。
3、使用Parallel.Invoke()我們需要測試運行結果,觀察邏輯內核使用率以及實現加速。
4、使用Parallel.Invoke()會產生一些額外的開銷,例如分配硬體線程。
我們看下麵的案例:
下麵我們對一個集合的數據進行添加然後輸出。下麵我們分為四組測試。500條數據和1000條數據各兩個,分別是一般的同步任務和Parallel.Invoke()的並行任務執行。再觀察其運行的時間比較。
#region Parallel.Invoke()使用共同資源 public static List<Test> _tests = null; public static void TaskFive_One() { for (int i = 0; i < 500; i++) { Test test = new Test(); test.Name = i.ToString(); test.Index = i.ToString(); test.Time = DateTime.Now; _tests.Add(test); } Console.WriteLine("TaskFive_One 500條數據第一個方法 執行完成"); } public static void TaskFive_Two() { for (int i = 500; i < 1000; i++) { Test test = new Test(); test.Name = i.ToString(); test.Index = i.ToString(); test.Time = DateTime.Now; _tests.Add(test); } Console.WriteLine("TaskFive_Two 500條數據第二個方法 執行完成"); } public static void TaskFive_Three() { for (int i = 1000; i < 1500; i++) { Test test = new Test(); test.Name = i.ToString(); test.Index = i.ToString(); test.Time = DateTime.Now; _tests.Add(test); } Console.WriteLine("TaskFive_Three 500條數據第三個方法 執行完成"); } public static void TaskFive_Four() { for (int i = 1500; i < 2000; i++) { Test test = new Test(); test.Name = i.ToString(); test.Index = i.ToString(); test.Time = DateTime.Now; _tests.Add(test); } Console.WriteLine("TaskFive_Four 500條數據第四個方法 執行完成"); } public static void TaskOnethousand_One() { for (int i = 0; i < 1000; i++) { Test test = new Test(); test.Name = i.ToString(); test.Index = i.ToString(); test.Time = DateTime.Now; _tests.Add(test); } Console.WriteLine("TaskOnethousand_One 1000條數據第一個方法 執行完成"); } public static void TaskOnethousand_Two() { for (int i = 1000; i < 2000; i++) { Test test = new Test(); test.Name = i.ToString(); test.Index = i.ToString(); test.Time = DateTime.Now; _tests.Add(test); } Console.WriteLine("TaskOnethousand_Two 1000條數據第二個方法 執行完成"); } public static void TaskOnethousand_Three() { for (int i = 2000; i < 3000; i++) { Test test = new Test(); test.Name = i.ToString(); test.Index = i.ToString(); test.Time = DateTime.Now; _tests.Add(test); } Console.WriteLine("TaskOnethousand_Three 1000條數據第三個方法 執行完成"); } public static void TaskOnethousand_Four() { for (int i = 3000; i < 4000; i++) { Test test = new Test(); test.Name = i.ToString(); test.Index = i.ToString(); test.Time = DateTime.Now; _tests.Add(test); } Console.WriteLine("TaskOnethousand_Three 1000條數據第四個方法 執行完成"); } #endregion
static void Main(string[] args) { //五百條數據順序完成 Stopwatch swFive = new Stopwatch(); swFive.Start(); Thread.Sleep(3000); _tests = new List<Test>(); TaskFive_One(); TaskFive_Two(); TaskFive_Three(); TaskFive_Four(); swFive.Stop(); Console.WriteLine("500條數據 順序編程所耗時間:" + swFive.ElapsedMilliseconds); //五百條數據並行完成 Stopwatch swFiveTask = new Stopwatch(); swFiveTask.Start(); Thread.Sleep(3000); _tests = new List<Test>(); Parallel.Invoke(() => TaskFive_One(), () => TaskFive_Two(), () => TaskFive_Three(), () => TaskFive_Four()); swFiveTask.Stop(); Console.WriteLine("500條數據 並行編程所耗時間:" + swFiveTask.ElapsedMilliseconds); //一千條數據順序完成 Stopwatch swOnethousand = new Stopwatch(); swOnethousand.Start(); Thread.Sleep(3000); _tests = new List<Test>(); TaskOnethousand_One(); TaskOnethousand_Two(); TaskOnethousand_Three(); TaskOnethousand_Four(); swOnethousand.Stop(); Console.WriteLine("1000條數據 順序編程所耗時間:" + swOnethousand.ElapsedMilliseconds); //一千條數據並行完成 Stopwatch swOnethousandTask = new Stopwatch(); swOnethousandTask.Start(); Thread.Sleep(3000); _tests = new List<Test>(); Parallel.Invoke(() => TaskOnethousand_One(), () => TaskOnethousand_Two(), () => TaskOnethousand_Three(), () => TaskOnethousand_Four()); swOnethousandTask.Stop(); Console.WriteLine("1000條數據 並行編程所耗時間:" + swOnethousandTask.ElapsedMilliseconds); }
我們看這次的運行結果,發現我們使用順序編程和並行編程所需要的時間相差無幾的。那麼怎麼回事呢?我們仔細檢查下,發現我們似乎對資源進行了共用。我們下麵處理下,對list集合不進行共用看看。
#region Parallel.Invoke()不使用共同資源 public static void TaskFive_One() { List<Test> tests = new List<Test>(); for (int i = 0; i < 500; i++) { Test test = new Test(); test.Name = "Name" + i.ToString(); test.Index = "Index" + i.ToString(); test.Time = DateTime.Now; tests.Add(test); } Console.WriteLine("TaskFive_One 500條數據第一個方法 執行完成"); } public static void TaskFive_Two() { List<Test> tests = new List<Test>(); for (int i = 500; i < 1000; i++) { Test test = new Test(); test.Name = "Name" + i.ToString(); test.Index = "Index" + i.ToString(); test.Time = DateTime.Now; tests.Add(test); } Console.WriteLine("TaskFive_Two 500條數據第二個方法 執行完成"); } public static void TaskFive_Three() { List<Test> tests = new List<Test>(); for (int i = 1000; i < 1500; i++) { Test test = new Test(); test.Name = "Name" + i.ToString(); test.Index = "Index" + i.ToString(); test.Time = DateTime.Now; tests.Add(test); } Console.WriteLine("TaskFive_Three 500條數據第三個方法 執行完成"); } public static void TaskFive_Four() { List<Test> tests = new List<Test>(); for (int i = 1500; i < 2000; i++) { Test test = new Test(); test.Name = "Name" + i.ToString(); test.Index = "Index" + i.ToString(); test.Time = DateTime.Now; tests.Add(test); } Console.WriteLine("TaskFive_Four 500條數據第四個方法 執行完成"); } public static void TaskOnethousand_One() { List<Test> tests = new List<Test>(); for (int i = 0; i < 1000; i++) { Test test = new Test(); test.Name = "Name" + i.ToString(); test.Index = "Index" + i.ToString(); test.Time = DateTime.Now; tests.Add(test); } Console.WriteLine("TaskOnethousand_One 1000條數據第一個方法 執行完成"); } public static void TaskOnethousand_Two() { List<Test> tests = new List<Test>(); for (int i = 1000; i < 2000; i++) { Test test = new Test(); test.Name = "Name" + i.ToString(); test.Index = "Index" + i.ToString(); test.Time = DateTime.Now; tests.Add(test); } Console.WriteLine("TaskOnethousand_Two 1000條數據第二個方法 執行完成"); } public static void TaskOnethousand_Three() { List<Test> tests = new List<Test>(); for (int i = 2000; i < 3000; i++) { Test test = new Test(); test.Name = "Name" + i.ToString(); test.Index = "Index" + i.ToString(); test.Time = DateTime.Now; tests.Add(test); } Console.WriteLine("TaskOnethousand_Three 1000條數據第三個方法 執行完成"); } public static void TaskOnethousand_Four() { List<Test> tests = new List<Test>(); for (int i = 3000; i < 4000; i++) { Test test = new Test(); test.Name = "Name" + i.ToString(); test.Index = "Index" + i.ToString(); test.Time = DateTime.Now; tests.Add(test); } Console.WriteLine("TaskOnethousand_Four 1000條數據第四個方法 執行完成"); } #endregion
static void Main(string[] args) { Stopwatch swTest = new Stopwatch(); swTest.Start(); Thread.Sleep(3000); TaskFive_One(); TaskFive_Two(); TaskFive_Three(); TaskFive_Four(); swTest.Stop(); Console.WriteLine("500條數據 順序編程所耗時間:" + swTest.ElapsedMilliseconds); //五百條數據並行完成 swTest.Restart(); Thread.Sleep(3000); Parallel.Invoke(() => TaskFive_One(), () => TaskFive_Two(), () => TaskFive_Three(), () => TaskFive_Four()); swTest.Stop(); Console.WriteLine("500條數據 並行編程所耗時間:" + swTest.ElapsedMilliseconds); //一千條數據順序完成 swTest.Restart(); Thread.Sleep(3000); TaskOnethousand_One(); TaskOnethousand_Two(); TaskOnethousand_Three(); TaskOnethousand_Four(); swTest.Stop(); Console.WriteLine("1000條數據 順序編程所耗時間:" + swTest.ElapsedMilliseconds); //一千條數據並行完成 swTest.Restart(); Thread.Sleep(3000); Parallel.Invoke(() => TaskOnethousand_One(), () => TaskOnethousand_Two(), () => TaskOnethousand_Three(), () => TaskOnethousand_Four()); swTest.Stop(); Console.WriteLine("1000條數據 並行編程所耗時間:" + swTest.ElapsedMilliseconds); }
我們看下我們修改共用資源後,對於500條數據的運行結果,順序編程比並行編程還是要快點,但是在1000條數據的時候並行編程就明顯比順序編程要快了。而且在測試中並行編程的運行順序也是不固定的。我們在日常編程中我們需要衡量我們的應用是否需要並行編程,不然可能造成更多的性能損耗。
世界上那些最容易的事情中,拖延時間最不費力。堅韌是成功的一大要素,只要在門上敲得夠久夠大聲,終會把人喚醒的。
歡迎大家掃描下方二維碼,和我一起學習更多的知識