详细的.Net并行编程高级教程--Parallel
一直觉得自己对并发了解不够深入,特别是看了《代码整洁之道》觉得自己有必要好好学学并发编程,因为性能也是衡量代码整洁的一大标准。而且在《失控》这本书中也多次提到并发,不管是计算机还是生物都并发处理着各种事物。人真是奇怪,当你关注一个事情的时候,你会发现周围的事物中就常出现那个事情。所以好奇心驱使下学习并发。便有了此文。
- 作者:Stoneniqiu来源:博客园|2015-10-13 09:18
Tech Neo技术沙龙 | 11月25号,九州云/ZStack与您一起探讨云时代网络边界管理实践
一直觉得自己对并发了解不够深入,特别是看了《代码整洁之道》觉得自己有必要好好学学并发编程,因为性能也是衡量代码整洁的一大标准。而且在《失控》这本书中也多次提到并发,不管是计算机还是生物都并发处理着各种事物。人真是奇怪,当你关注一个事情的时候,你会发现周围的事物中就常出现那个事情。所以好奇心驱使下学习并发。便有了此文。
一、理解硬件线程和软件线程
多核处理器带有一个以上的物理内核--物理内核是真正的独立处理单元,多个物理内核使得多条指令能够同时并行运行。硬件线程也称为逻辑内核,一个物理内 核可以使用超线程技术提供多个硬件线程。所以一个硬件线程并不代表一个物理内核;Windows中每个运行的程序都是一个进程,每一个进程都会创建并运行 一个或多个线程,这些线程称为软件线程。硬件线程就像是一条泳道,而软件线程就是在其中游泳的人。
二、并行场合
.Net Framework4 引入了新的Task Parallel Library(任务并行库,TPL),它支持数据并行、任务并行和流水线。让开发人员应付不同的并行场合。
数据并行:有大量数据需要处理,并且必须对每一份数据执行同样的操作。比如通过256bit的密钥对100个Unicode字符串进行AES算法加密。
任务并行:通过任务并发运行不同的操作。例如生成文件散列码,加密字符串,创建缩略图。
流水线:这是任务并行和数据并行的结合体。
TPL引入了System.Threading.Tasks ,主类是Task,这个类表示一个异步的并发的操作,然而我们不一定要使用Task类的实例,可以使用Parallel静态类。它提供了 Parallel.Invoke, Parallel.For Parallel.Forecah 三个方法。
三、Parallel.Invoke
试图让很多方法并行运行的最简单的方法就是使用Parallel类的Invoke方法。例如有四个方法:
WatchMovie
HaveDinner
ReadBook
WriteBlog
通过下面的代码就可以使用并行。
System.Threading.Tasks.Parallel.Invoke(WatchMovie, HaveDinner, ReadBook, WriteBlog);
这段代码会创建指向每一个方法的委托。Invoke方法接受一个Action的参数组。
1 |
|
用lambda表达式或匿名委托可以达到同样的效果。
System.Threading.Tasks.Parallel.Invoke(() => WatchMovie(), () => HaveDinner(), () => ReadBook(), delegate() { WriteBlog(); });
1.没有特定的执行顺序。
Parallel.Invoke方法只有在4个方法全部完成之后才会返回。它至少需要4个硬件线程才足以让这4个方法并发运行。但并不保证这4个方法能够同时启动运行,如果一个或者多个内核处于繁忙状态,那么底层的调度逻辑可能会延迟某些方法的初始化执行。
给方法加上延时,就可以看到必须等待最长的方法执行完成才回到主方法。
- static void Main(string[] args)
- {
- System.Threading.Tasks.Parallel.Invoke(WatchMovie, HaveDinner, ReadBook,
- WriteBlog);
- Console.WriteLine("执行完成");
- Console.ReadKey();
- }
- static void WatchMovie()
- {
- Thread.Sleep(5000);
- Console.WriteLine("看电影");
- }
- static void HaveDinner()
- {
- Thread.Sleep(1000);
- Console.WriteLine("吃晚饭");
- }
- static void ReadBook()
- {
- Thread.Sleep(2000);
- Console.WriteLine("读书");
- }
- static void WriteBlog()
- {
- Thread.Sleep(3000);
- Console.WriteLine("写博客");
- }
这样会造成很多逻辑内核处于长时间闲置状态。
四、Parallel.For
Parallel.For为固定数目的独立For循环迭代提供了负载均衡 (即将工作分发到不同的任务中执行,这样所有的任务在大部分时间都可以保持繁忙) 的并行执行。从而能尽可能地充分利用所有的可用的内核。
我们比较下下面两个方法,一个使用For循环,一个使用Parallel.For 都是生成密钥在转换为十六进制字符串。
private static void GenerateAESKeys()
{
var sw = Stopwatch.StartNew();
for (int i = 0; i < NUM_AES_KEYS; i++)
{
var aesM = new AesManaged();
aesM.GenerateKey();
byte[] result = aesM.Key;
string hexStr = ConverToHexString(result);
}
Console.WriteLine("AES:"+sw.Elapsed.ToString());
}
private static void ParallelGenerateAESKeys()
{
var sw = Stopwatch.StartNew();
System.Threading.Tasks.Parallel.For(1, NUM_AES_KEYS + 1, (int i) =>
{
var aesM = new AesManaged();
aesM.GenerateKey();
byte[] result = aesM.Key;
string hexStr = ConverToHexString(result);
});
Console.WriteLine("Parallel_AES:" + sw.Elapsed.ToString());
}
private static int NUM_AES_KEYS = 100000;
static void Main(string[] args)
{
Console.WriteLine("执行"+NUM_AES_KEYS+"次:"); GenerateAESKeys();
ParallelGenerateAESKeys();
Console.ReadKey();
}
执行1000000次
这里并行的时间是串行的一半。
五、Parallel.ForEach
在Parallel.For中,有时候对既有循环进行优化可能会是一个非常复杂的任务。Parallel.ForEach为固定数目的独立For Each循环迭代提供了负载均衡的并行执行,且支持自定义分区器,让使用者可以完全掌握数据分发。实质就是将所有要处理的数据区分为多个部分,然后并行运 行这些串行循环。
修改上面的代码:
- System.Threading.Tasks.Parallel.ForEach(Partitioner.Create(1, NUM_AES_KEYS + 1), range =>
- {
- var aesM = new AesManaged();
- Console.WriteLine("AES Range({0},{1} 循环开始时间:{2})",range.Item1,range.Item2,DateTime.Now.TimeOfDay);
- for (int i = range.Item1; i < range.Item2; i++)
- {
- aesM.GenerateKey();
- byte[] result = aesM.Key;
- string hexStr = ConverToHexString(result);
- }
- Console.WriteLine("AES:"+sw.Elapsed.ToString());
- });
从执行结果可以看出,分了13个段执行的。
第二次执行还是13个段。速度上稍微有差异。开始没有指定分区数,Partitioner.Create使用的是内置默认值。
而且我们发现这些分区并不是同时执行的,大致是分了三个时间段执行。而且执行顺序是不同的。总的时间和Parallel.For的方法差不多。
public static ParallelLoopResult ForEach<TSource>(Partitioner<TSource> source, Action<TSource> body)
Parallel.ForEach方法定义了source和Body两个参数。source是指分区器。提供了分解为多个分区的数据源。body是 要调用的委托。它接受每一个已定义的分区作为参数。一共有20多个重载,在上面的例子中,分区的类型为Tuple<int,int>,是一个 二元组类型。此外,返回一个ParallelLoopResult的值。
Partitioner.Create 创建分区是根据逻辑内核数及其他因素决定。
- public static OrderablePartitioner<Tuple<int, int>> Create(int fromInclusive, int toExclusive)
- {
- int num = 3;
- if (toExclusive <= fromInclusive)
- throw new ArgumentOutOfRangeException("toExclusive");
- int rangeSize = (toExclusive - fromInclusive) / (PlatformHelper.ProcessorCount * num);
- if (rangeSize == 0)
- rangeSize = 1;
- return Partitioner.Create<Tuple<int, int>>(Partitioner.CreateRanges(fromInclusive, toExclusive, rangeSize), EnumerablePartitionerOptions.NoBuffering);
- }
因此我们可以修改分区数目,rangesize大致为250000左右。也就是说我的逻辑内核是4.
var rangesize = (int) (NUM_AES_KEYS/Environment.ProcessorCount) + 1;
System.Threading.Tasks.Parallel.ForEach(Partitioner.Create(1, NUM_AES_KEYS + 1,rangesize), range =>
再次执行:
分区变成了四个,时间上没有多大差别(第一个时间是串行时间)。我们看见这四个分区几乎是同时执行的。大部分情况下,TPL在幕后使用的负载均衡机制都是非常高效的,然而对分区的控制便于使用者对自己的工作负载进行分析,来改进整体的性能。
Parallel.ForEach也能对IEnumerable<int>集合进行重构。Enumerable.Range生产了序列化的数目。但这样就没有上面的分区效果。
- private static void ParallelForEachGenerateMD5HasHes()
- {
- var sw = Stopwatch.StartNew();
- System.Threading.Tasks.Parallel.ForEach(Enumerable.Range(1, NUM_AES_KEYS), number =>
- {
- var md5M = MD5.Create();
- byte[] data = Encoding.Unicode.GetBytes(Environment.UserName + number);
- byte[] result = md5M.ComputeHash(data);
- string hexString = ConverToHexString(result);
- });
- Console.WriteLine("MD5:"+sw.Elapsed.ToString());
- }
六、从循环中退出
和串行运行中的break不同,ParallelLoopState 提供了两个方法用于停止Parallel.For 和 Parallel.ForEach的执行。
Break:让循环在执行了当前迭代后尽快停止执行。比如执行到100了,那么循环会处理掉所有小于100的迭代。
Stop:让循环尽快停止执行。如果执行到了100的迭代,那不能保证处理完所有小于100的迭代。
修改上面的方法:执行3秒后退出。
- private static void ParallelLoopResult(ParallelLoopResult loopResult)
- {
- string text;
- if (loopResult.IsCompleted)
- {
- text = "循环完成";
- }
- else
- {
- if (loopResult.LowestBreakIteration.HasValue)
- {
- text = "Break终止";
- }
- else
- {
- text = "Stop 终止";
- }
- }
- Console.WriteLine(text);
- }
- private static void ParallelForEachGenerateMD5HasHesBreak()
- {
- var sw = Stopwatch.StartNew();
- var loopresult= System.Threading.Tasks.Parallel.ForEach(Enumerable.Range(1, NUM_AES_KEYS), (int number,ParallelLoopState loopState) =>
- {
- var md5M = MD5.Create();
- byte[] data = Encoding.Unicode.GetBytes(Environment.UserName + number);
- byte[] result = md5M.ComputeHash(data);
- string hexString = ConverToHexString(result);
- if (sw.Elapsed.Seconds > 3)
- {
- loopState.Stop();
- }
- });
- ParallelLoopResult(loopresult);
- Console.WriteLine("MD5:" + sw.Elapsed);
- }
七、捕捉并行循环中发生的异常。
当并行迭代中调用的委托抛出异常,这个异常没有在委托中被捕获到时,就会变成一组异常,新的System.AggregateException负责处理这一组异常。
- private static void ParallelForEachGenerateMD5HasHesException()
- {
- var sw = Stopwatch.StartNew();
- var loopresult = new ParallelLoopResult();
- try
- {
- loopresult = System.Threading.Tasks.Parallel.ForEach(Enumerable.Range(1, NUM_AES_KEYS), (number, loopState) =>
- {
- var md5M = MD5.Create();
- byte[] data = Encoding.Unicode.GetBytes(Environment.UserName + number);
- byte[] result = md5M.ComputeHash(data);
- string hexString = ConverToHexString(result);
- if (sw.Elapsed.Seconds > 3)
- {
- throw new TimeoutException("执行超过三秒");
- }
- });
- }
- catch (AggregateException ex)
- {
- foreach (var innerEx in ex.InnerExceptions)
- {
- Console.WriteLine(innerEx.ToString());
- }
- }
- ParallelLoopResult(loopresult);
- Console.WriteLine("MD5:" + sw.Elapsed);
- }
结果:
异常出现了好几次。
八、指定并行度。
TPL的方法总会试图利用所有可用的逻辑内核来实现最好的结果,但有时候你并不希望在并行循环中使用所有的内核。比如你需要留出一个不参与并行计算 的内核,来创建能够响应用户的应用程序,而且这个内核需要帮助你运行代码中的其他部分。这个时候一种好的解决方法就是指定最大并行度。
这需要创建一个ParallelOptions的实例,设置MaxDegreeOfParallelism的值。
- private static void ParallelMaxDegree(int maxDegree)
- {
- var parallelOptions = new ParallelOptions();
- parallelOptions.MaxDegreeOfParallelism = maxDegree;
- var sw = Stopwatch.StartNew();
- System.Threading.Tasks.Parallel.For(1, NUM_AES_KEYS + 1, parallelOptions, (int i) =>
- {
- var aesM = new AesManaged();
- aesM.GenerateKey();
- byte[] result = aesM.Key;
- string hexStr = ConverToHexString(result);
- });
- Console.WriteLine("AES:" + sw.Elapsed.ToString());
- }
调用:如果在四核微处理器上运行,那么将使用3个内核。
ParallelMaxDegree(Environment.ProcessorCount - 1);
时间上大致慢了点(第一次Parallel.For 3.18s),但可以腾出一个内核来处理其他的事情。
小结:这次学习了Parallel相关方法以及如何退出并行循环和捕获异常、设置并行度,还有并行相关的知识。园子里也有类似的博客。但作为自己知识的管理,在这里梳理一遍。
详细的.Net并行编程高级教程--Parallel的更多相关文章
- Net并行编程高级教程--Parallel
Net并行编程高级教程--Parallel 一直觉得自己对并发了解不够深入,特别是看了<代码整洁之道>觉得自己有必要好好学学并发编程,因为性能也是衡量代码整洁的一大标准.而且在<失控 ...
- 【读书笔记】.Net并行编程高级教程--Parallel
一直觉得自己对并发了解不够深入,特别是看了<代码整洁之道>觉得自己有必要好好学学并发编程,因为性能也是衡量代码整洁的一大标准.而且在<失控>这本书中也多次提到并发,不管是计算机 ...
- 【读书笔记】.Net并行编程高级教程(二)-- 任务并行
前面一篇提到例子都是数据并行,但这并不是并行化的唯一形式,在.Net4之前,必须要创建多个线程或者线程池来利用多核技术.现在只需要使用新的Task实例就可以通过更简单的代码解决命令式任务并行问题. 1 ...
- .Net并行编程高级教程(二)-- 任务并行
前面一篇提到例子都是数据并行,但这并不是并行化的唯一形式,在.Net4之前,必须要创建多个线程或者线程池来利用多核技术.现在只需要使用新的Task实例就可以通过更简单的代码解决命令式任务并行问题. 1 ...
- 《C#并行编程高级教程》第9章 异步编程模型 笔记
这个章节我个人感觉意义不大,使用现有的APM(异步编程模型)和EAP(基于时间的异步模型)就很够用了,针对WPF和WinForm其实还有一些专门用于UI更新的类. 但是出于完整性,还是将一下怎么使用. ...
- 《C#并行编程高级教程》第2章 命令式编程 笔记
Parallel.Invoke 并行执行多个方法,只有在所有方法都执行后才会返回 static void Main(string[] args){ Parallel.Invoke( () ...
- 《C#并行编程高级教程》第8章 线程池 笔记
主要的几个概念(详细最好还是看书,配合插图看) 任务是会被分配到线程上的,而这些线程都在线程池引擎下管理 线程池引擎管理着合适数量的线程池,线程从全局队列获取工作项执行. .NET4 Framew ...
- 《C#并行编程高级教程》第7章 VS2010任务调试 笔记
没有什么好说的,主要是将调试模式下的Parallel Tasks窗体和Parallel Stacks窗体.折腾一下应该比看书效果好.(表示自己没有折腾过) 另外值得注意的是,主线程不是一个任务.所以主 ...
- 《C#并行编程高级教程》第6章 PLINQ:声明式数据并行 笔记
PLINQ这个话题好多书都写到过,这本也没有什么特别好的地方. 几个有用和有趣的点记录一下. 顺序的不确定性 用PLINQ就一定要记住并行后会导致顺序不确定的问题.解决方案就是AsOrdered或 ...
随机推荐
- windows 10右键项添加Notepad++
1.打开注册表编辑器,开始->运行->regedit. 2.在HKEY_CLASSSES_ROOT→ * → Shell 下,在Shell下,新建项命名为Open With Notepad ...
- 2017年Android百大框架排行榜(转)
一.榜单介绍 排行榜包括四大类: 单一框架:仅提供路由.网络层.UI层.通信层或其他单一功能的框架 混合开发框架:提供开发hybrid app.h5与webview结合能力.web app能力的框架 ...
- EasyAR SDK在unity中的简单配置及构建一个简单场景。
首先打开EasyAR的官方网站http://www.easyar.cn/index.html,注册登陆之后,打开首页的开发页面. 下载sdk和Unity Samples. 创建一个unity3d工程N ...
- java 十进制转十六进制、十进制转二进制、二进制转十进制、二进制转十六进制
//10进制转16进制 Integer.toHexString(20); //10进制转2进制 Integer.toBinaryString(10); //16进制转10进制 Integer.pars ...
- github 答题
头脑王者 / 百万英雄 / 冲顶大会 / 芝士超人 自动答题:https://github.com/cxs1994/python_answer 头脑王者:https://github.com/sear ...
- 安装Hadoop 1.1.2 (一 安装JDK)
1 下载jdk1.7 xxx .rpm 2 以Root权限登陆 3 修改文件权限 chmod +x jdk-7u25-linux-x64.rpm 4 安装 JDK rpm -ivh jdk-7u2 ...
- kafka的并行度与JStorm性能优化
kafka的并行度与JStorm性能优化 > Consumers Messaging traditionally has two models: queuing and publish-subs ...
- 记CBS一次动人心魄的数据保卫战
接触分布式存储已经有一年多的时间了,首次遇到存储侧三份数据都有异常的情况,三份数据异常意味着客户数据的丢失,这个对云存储来讲是致命的打击.为了保证数据的安全,CBS运维和开发的同学进行了持续两天一夜的 ...
- Moore-Penrose Matrix Inverse 摩尔-彭若斯广义逆 埃尔米特矩阵 Hermitian matrix
http://mathworld.wolfram.com/Moore-PenroseMatrixInverse.html 显然,埃尔米特矩阵主对角线上的元素都是实数的,其特征值也是实数.对于只包含实数 ...
- python三大器
装饰器 装饰器的作用: 装饰器的本质:一个闭包函数 (高阶函数+嵌套函数) 装饰器的功能:在不修改原函数及其调用方式的情况下对原函数功能进行扩展 闭包原理 装饰器执行流程 带多个参数函数 import ...