以前一直主要做C++和C方面的项目，对C#不太了解熟悉，但听说不难，也就一直没有在意学习C#方面的知识。今天有个C#项目，需要做些应用的扩展，同时修改一些bug。但看了C#代码，顿时觉得有些不适应了。。。其中印象很深刻的是几部分内容：IEnumerable类型和Parallel并行计算的foreach知识，我觉得C#在这个问题上做的还是很有意思的。
1. IEnumerable:
IEnumerable<T>泛型接口支持在制定数据集合上进行迭代操作, 可以理解为一种序列或者集合，里面是某一类型的元素的集合。常用的方法如下：
| 成员 | 功能 |
| Aggregate | 对序列应用累加器函数，可以指定累加方法 |
| Sum | 计算序列中所有元素的和，返回值有int、long、float、double、decimal类型，并且可以指定元素到数值的映射方法 |
| Average | 计算序列中所有元素的平均值，返回值有int、long、float、double、decimal类型，并且可以指定元素到数值的映射方法 |
| Max | 计算序列中所有元素的最大值，返回值有int、long、float、double、decimal类型，并且可以指定元素到数值的映射方法 |
| Min | 计算序列中所有元素的最小值，返回值有int、long、float、double、decimal类型，并且可以指定元素到数值的映射方法 |
| All | 检查是否序列中所有元素都满足条件，可以指定条件判断方法。如果所有元素都满足条件返回True，否则返回False |
| Any | 检查序列中是否有任何一个元素满足条件，可以指定条件的判断方法。如果有一个以上（含一个）元素满足条件返回True，否则返回False |
| Contains | 检查数据系列中是否包含特定的元素，可以指定相等比较方法 |
| Count | 返回序列中满足指定条件的元素的数量，可以指定条件判断方法 |
| LongCount | 返回序列中满足指定条件的元素的长数量，可以指定条件判断方法 |
| Cast | 将IEnumerable中的元素转换为指定的数据类型 |
| DefaultIfEmpty | 返回序列中指定位置的元素。如果序列为空，则返回默认的元素值 |
| ElementAt | 返回序列中指定索引处的元素 |
| ElementAtOrDefault | 返回序列中指定索引处的元素。如果序列为空，则返回默认值 |
| First | 返回序列中满足指定条件的第一个元素，可以指定条件判断方法 |
| FirstOrDefault | 返回序列中满足指定条件的第一个元素。如果不存在则返回默认值，也可以指定条件判断方法 |
| Last | 返回序列中满足指定条件的最后一个元素，可以指定条件判断方法 |
| LastOrDefault | 返回序列中满足指定条件的最后一个元素。如果不存在则返回默认值，也可以指定条件判断方法 |
| Single | 返回序列中满足指定条件的唯一元素。如果不止一个元素满足条件会引发一场，可以指定条件判断方法 |
| SingleOrDefault | 返回序列中满足指定条件的唯一元素。如果不存在则返回默认值，如果不止一个元素满足条件会引发一场，可以指定条件判断方法 |
| Reverse | 反转序列中元素的顺序 |
| Distinct | 返回序列中不重复的元素的集合，可以指定相等比较方法 |
| Concat | 连接两个序列，直接首尾相连。返回结果可能存在重复数据 |
| Except | 获取两个元素集合的差集，可以指定相等比较方法 |
| Intersect | 获取两个元素集合的交集，可以指定相等比较方法 |
| Union | 获取两个元素集合的并集，可以指定相等比较方法 |
| SequenceEqual | 比较两个序列是否相等，可以指定相等比较方法 |
| Where | 根据制定条件对集合中元素进行筛选，返回满足条件的元素集合 |
| Skip | 跳过序列中指定数量的元素，然后返回剩余的元素 |
| SkipWhile | 跳过序列中满足指定条件的元素，然后返回剩余的元素，可以指定条件判断方法 |
| Take | 从序列的开头返回指定数量的连续元素 |
| TakeWhile | 返回从序列开始的满足指定条件的连续元素，可以指定条件判断方法 |
| ToArray | 从IEnumerable创建一个数组 |
| ToList | 从IEnumerable创建一个List |
可以看到，提供的方法很多，也很实用，比如截断一个子序列，或者比较序列是否相等等，都是十分有用的。 而且还可以配合foreach更加简单有效的遍历集合中个各个元素。如：
// 对集合中各个元素都进行操作，后续再介绍Parallel
Parallel.ForEach(testTables, new ParallelOptions() { MaxDegreeOfParallelism = 2 }, record
=>
{
mag.Operate(record.key1, record.Path);
});
2. Parallel语法
在介绍Parallel并行计算之前，还需要先介绍一下Lambda表达式，能读懂Lambda表达式的，一般就很容易读懂Parallel并行编程的代码了。
（以下是MSDN复制过来的说明）Lambda 表达式是一个可用于创建委托或表达式树类型的匿名函数。 通过使用 lambda 表达式，可以写入可作为参数或返回为函数调用值的本地函数。 Lambda 表达式对于编写 LINQ 查询表达式特别有用。若要创建 Lambda 表达式，必须在 Lambda 运算符 => 左侧指定输入参数（如果有），然后在另一侧输入表达式或语句块。 例如，lambda 表达式 x => x * x 指定名为 x 的参数并返回 x的平方。 您可以按照以下示例将此表达式分配给委托类型：
delegate int del(int i); static void Main(string[] args) { del myDelegate = x => x * x; int j = myDelegate(5); //j = 25 }
标准的写法： (input parameters) => expression， 如： (x, y) => x == y， 其中，左侧是输入参数，右侧相当于函数体。此表达式是返回x和y是否相等的判断表达式。
泛型委托也可以使用Lambda表达式：
假设有委托： public delegate TResult Func<TArg0, TResult>(TArg0 arg0)；
可以将委托实例化为 Func<int,bool> myFunc，其中 int 是输入参数，bool 是返回值。 始终在最后一个类型参数中指定返回值。 Func<int, string, bool> 定义包含两个输入参数（int 和 string）且返回类型为 bool 的委托。 在调用下面的 Func 委托时，该委托将返回 true 或 false 以指示输入参数是否等于 5：
Func<int, bool> myFunc = x => x == 5;
bool result = myFunc(4); // returns false of course
介绍过Lambda表达式之后，就可以介绍Parallel的并行语法了。
Parallel.ForEach标准的写法：
Parallel.ForEach(nonGenericCollection.Cast<object>(), currentElement =>
{
// some code here；
});
这个解释就是从nonGenericCollection.Cast<object>中的每一个元素，都运行后面的Lambda表达式代码，而且是多线程并行方式运行。比起以前的foreach或者for循环效率也很有了很大的提高。例子：
IEnumerable<TRecord> testTables = warehouse.GetList();
Parallel.ForEach(testTables, rec =>
{
mag.operate(rec.key1, rec.key2, rec.key3);
}
);
首先定义一个IEnumerable<TRecord>的记录序列，然后后面定义一个Lambda表达式，参数是rec，函数体是大括号中的内容。也就是对于testTables里的每个元素都并行的运行函数体中的内容。如果函数体中是一个消耗时间比较长的处理事件，比如网络传输数据等内容，则并行将大大提高运行效率。
Parallel.For标准用法：
Parallel.For(int fromInclusive, int toExclusive, Action<int> body);
代表从fromInclusive到toExclusive中的元素，不断的并行的执行body中的函数体。例子：
//记录结果用
List<string> resultData = new List<string>();
Parallel.For(0, testData.Count() - 1, (i, loopState) =>
{
string data = testData[i];
if (data.Contains("a") || data.Contains("abc"))
{
resultData.Add(data);
}
});
这种实现方式既使运行效率得到了提高，而且不需要程序员来维护多线程编程的线程池等内容，大大减轻了多线程编程的困难，提高了编码效率。