C#并行编程详解：Tasks.Parallel类核心方法与实战应用

并行基础与TPL简介

.NET 4.0引入的并行扩展主要依赖TPL（Task Parallel Library）。与传统多线程需手动创建和管理线程不同，TPL面向“任务”抽象，自动调度线程资源，极大简化了并行开发的复杂度。数据并行是TPL的核心场景之一，指对源集合或数组元素同时执行相同操作。TPL通过System.Threading.Tasks.Parallel类提供实现，开发者只需编写类似串行循环的逻辑，底层会自动进行数据分区与线程分配。

Parallel.Invoke：并行调用多个独立任务

当需要同时执行多个互不依赖的操作时，可使用Parallel.Invoke。该方法接受一组Action委托，它们将在可用线程上并发执行。由于共享线程池，多个任务可能复用相同的线程，并非严格的一对一映射。

static void Main(string[] args)
{
    var watch = Stopwatch.StartNew();
    // 并行执行Run1和Run2，耗时约为两者中较长者而非总和
    Parallel.Invoke(Run1, Run2);
    watch.Stop();
    Console.WriteLine("并行开发总共耗时:{0} ms", watch.ElapsedMilliseconds);
}

static void Run1()
{
    Thread.Sleep(3000);
}

static void Run2()
{
    Thread.Sleep(5000);
}

为了验证线程复用情况，可观察以下示例：

ThreadLocal<string> threadName = new ThreadLocal<string>(() =>
{
    return "Thread" + Thread.CurrentThread.ManagedThreadId;
});

Action printThread = () =>
{
    bool isFirstTime = !threadName.IsValueCreated;
    Console.WriteLine($"{threadName.Value} {(isFirstTime ? "(首次)" : "(复用)")} ");
};

// 并行调用8次，通常不会看到8个不同的线程ID
Parallel.Invoke(printThread, printThread, printThread, printThread, printThread, printThread, printThread, printThread);
text-align:center">
p>
Parallel.For：优化For循环性能
对于固定迭代的循环结构，Parallel.For可将迭代任务分发到多个处理器核心并行执行。其返回值ParallelLoopResult包含IsCompleted属性，用于判断循环是否全部完成。

// 范围[0, 10)
ParallelLoopResult result = Parallel.For(0, 10, i =>
{
    Console.WriteLine($"迭代{i}, TaskID:{Task.CurrentId}, ThreadID:{Thread.CurrentThread.ManagedThreadId}");
    Thread.Sleep(10);
});
Console.WriteLine($"是否全部完成: {result.IsCompleted}");

在嵌套循环中，仅将最外层改为并行可获得显著提速。内部仍保持串行以保证单次迭代的原子性：

private void ParallelOptimization()
{
    // 外层并行分发大区间，内层串行处理子逻辑
    Parallel.For(0, 10000, i =>
    {
        for (int j = 0; j < 1000; j++)
        {
            for (int k = 0; k < 100; k++)
            {
                DoSomething();
            }
        }
    });
}

Parallel.ForEach：处理集合数据并行
针对IEnumerable集合，Parallel.ForEach更为适用。它能智能地对数据进行分区（Partitioning），每个分区内的计算串行执行，分区之间并行运算，有效减少线程切换开销。

var files = GetFiles();
Parallel.ForEach(files, file =>
{
    ProcessFile(file);
});

自定义分区策略同样支持，这在处理非标准集合时非常有用：

ConcurrentBag<int> results = new ConcurrentBag<int>();
// 手动指定数据范围区间 [0, 3000000)
Parallel.ForEach(Partitioner.Create(0, 3000000), range =>
{
    for (int m = range.Item1; m < range.Item2; m++)
    {
        results.Add(m * 2); // 示例计算
    }
});

线程局部变量与汇总策略
在并行累加等场景中，直接修改共享变量会导致竞态条件（Race Condition）。正确的做法是使用泛型版本的Parallel.For<TLocal>或Parallel.ForEach<TSource, TLocal>。

参数说明：

TLocal: 线程局部变量的类型。
localInit: 初始化局部变量，每个线程仅调用一次。
body: 循环体逻辑，返回更新后的局部变量值。
localFinally: 线程结束时的回调，用于将各线程结果安全地合并至全局变量（如使用Interlocked类）。



Parallel.For局部变量示例
从数值2开始累加：

int[] nums = Enumerable.Range(0, 10).ToArray();
long totalGlobal = 0;

Parallel.For<long>(0, nums.Length, 
    () => 2, // localInit: 初始值为2
    (j, loopState, subtotal) =>
    {
        subtotal += nums[j]; // 线程私有累加
        Console.WriteLine($"局部累加结果: {subtotal}");
        return subtotal;      // body返回新状态
    },
    (finalVal) =>
    {
        Interlocked.Add(ref totalGlobal, finalVal); // localFinally安全汇总
    });

Console.WriteLine($"最终总计: {totalGlobal}");

循环控制：Stop与Break
ParallelLoopState提供了两种终止循环的方式：

Stop(): 请求立即停止所有正在进行的迭代。已开始的迭代可能会继续运行直至完成当前单元，但不再接收新任务。
Break(): 声明“我已完成之前所有的迭代”。它会确保小于当前索引的所有迭代都能完整执行，之后停止更大数据的处理。这适用于需要保留前缀结果的场景。


并发取消与异常处理
可通过ParallelOptions.CancellationToken配合CancellationTokenSource来优雅地取消正在进行的并行任务。若任务因取消而退出，通常会抛出OperationCanceledException。

由于并行环境中任何线程都可能抛出异常，单个异常不足以反映全貌。推荐使用ConcurrentQueue<Exception>收集所有遇到的异常，循环结束后抛出一个包装所有异常的AggregateException，以便外部统一捕获和处理。

以上就是C#并行编程之Tasks.Parallel类的详细内容，更多关于C#并行优化与数据处理的资料请关注本站其它相关文章！