• Parallel多线程


    随着多核时代的到来,并行开发越来越展示出它的强大威力!使用并行程序,充分的利用系统资源,提高程序的性能。在.net 4.0中,微软给我们提供了一个新的命名空间:System.Threading.Tasks。这里面有很多关于并行开发的东西,今天第一篇就介绍下最基础,最简单的——认识和使用Parallel。

     一、 Parallel的使用                                                                                   

    在Parallel下面有三个常用的方法invoke,For和ForEach。

    1、  Parallel.Invoke

    这是最简单,最简洁的将串行的代码并行化。

    在这里先讲一个知识点,就是StopWatch的使用,最近有一些人说找不到StopWatch,StopWatch到底是什么东西,今天就来说明一下。

    StopWatch在System.Diagnostics命名控件,要使用它就要先引用这个命名空间。

    其使用方法如下:

    var stopWatch = new StopWatch();   //创建一个Stopwatch实例

    stopWatch.Start();   //开始计时

    stopWatch.Stop();   //停止计时

    stopWatch.Reset();  //重置StopWatch

    stopWatch.Restart(); //重新启动被停止的StopWatch

    stopWatch.ElapsedMilliseconds //获取stopWatch从开始到现在的时间差,单位是毫秒

    本次用到的就这么多知识点,想了解更多关于StopWatch的,去百度一下吧,网上有很多资料。

    下面进入整体,开始介绍Parallel.Invoke方法,废话不多说了,首先新建一个控制台程序,添加一个类,代码如下:

    复制代码
     public class ParallelDemo
          {
             private Stopwatch stopWatch = new Stopwatch();
    
             public void Run1()
             {
                Thread.Sleep(2000);
                Console.WriteLine("Task 1 is cost 2 sec");
             }
             public void Run2()
             {
                Thread.Sleep(3000);
                Console.WriteLine("Task 2 is cost 3 sec");
             }
    
             public void ParallelInvokeMethod()
             {
                stopWatch.Start();
                Parallel.Invoke(Run1, Run2);
                stopWatch.Stop();
                Console.WriteLine("Parallel run " + stopWatch.ElapsedMilliseconds + " ms.");
                
                stopWatch.Restart();
                Run1();
                Run2();
                stopWatch.Stop();
                Console.WriteLine("Normal run " + stopWatch.ElapsedMilliseconds + " ms.");
             }
    }        
    复制代码

    代码很简单,首先新加一个类,在类中写了两个方法,Run1和Run2,分别等待一定时间,输出一条信息,然后写了一个测试方法ParallelInvokeMethod,分别用两种方法调用Run1和Run2,然后在main方法中调用,下面来看一下运行时间如何:

      大家应该能够猜到,正常调用的话应该是5秒多,而Parallel.Invoke方法调用用了只有3秒,也就是耗时最长的那个方法,可以看出方法是并行执行的,执行效率提高了很多。

    2、Parallel.For

    这个方法和For循环的功能相似,下面就在类中添加一个方法来测试一下吧。代码如下:

    复制代码
    public void ParallelForMethod()
         {
                stopWatch.Start();
                for (int i = 0; i < 10000; i++)
                {
                   for (int j = 0; j < 60000; j++)
                   {
                      int sum = 0;
                      sum += i;
                   }
                }
                stopWatch.Stop();
                Console.WriteLine("NormalFor run " + stopWatch.ElapsedMilliseconds + " ms.");
    
                stopWatch.Reset();
                stopWatch.Start();
                Parallel.For(0, 10000, item =>
                {
                   for (int j = 0; j < 60000; j++)
                   {
                      int sum = 0;
                      sum += item;
                   }
                });
                stopWatch.Stop();
                Console.WriteLine("ParallelFor run " + stopWatch.ElapsedMilliseconds + " ms.");
               
         }
    复制代码

    写了两个循环,做了一些没有意义的事情,目的主要是为了消耗CPU时间,同理在main方法中调用,运行结果如下图:

    可以看到,Parallel.For所用的时间比单纯的for快了1秒多,可见提升的性能是非常可观的。那么,是不是Parallel.For在任何时候都比for要快呢?答案当然是“不是”,要不然微软还留着for干嘛?

    下面修改一下代码,添加一个全局变量num,代码如下:

    复制代码
    public void ParallelForMethod()
             {
                var obj = new Object();
                long num = 0;
                ConcurrentBag<long> bag = new ConcurrentBag<long>();
    
                stopWatch.Start();
                for (int i = 0; i < 10000; i++)
                {
                   for (int j = 0; j < 60000; j++)
                   {
                      //int sum = 0;
                      //sum += item;
                      num++;
                   }
                }
                stopWatch.Stop();
                Console.WriteLine("NormalFor run " + stopWatch.ElapsedMilliseconds + " ms.");
    
                stopWatch.Reset();
                stopWatch.Start();
                Parallel.For(0, 10000, item =>
                {
                   for (int j = 0; j < 60000; j++)
                   {
                      //int sum = 0;
                      //sum += item;
                      lock (obj)
                      {
                         num++;
                      }
                   }
                });
                stopWatch.Stop();
                Console.WriteLine("ParallelFor run " + stopWatch.ElapsedMilliseconds + " ms.");
               
             }
    复制代码

    Parallel.For由于是并行运行的,所以会同时访问全局变量num,为了得到正确的结果,要使用lock,此时来看看运行结果:

     

      是不是大吃一惊啊?Parallel.For竟然用了15秒多,而for跟之前的差不多。这主要是由于并行同时访问全局变量,会出现资源争夺,大多数时间消耗在了资源等待上面。

    一直说并行,那么从哪里可以看出来Parallel.For是并行执行的呢?下面来写个测试代码:

    Parallel.For(0, 100, i =>
                {
                   Console.Write(i + "	");
                });

    从0输出到99,运行后会发现输出的顺序不对,用for顺序肯定是对的,并行同时执行,所以会出现输出顺序不同的情况。

    2、Parallel.Foreach

    这个方法跟Foreach方法很相似,想具体了解的,可以百度些资料看看,这里就不多说了,下面给出其使用方法:

    List<int> list = new List<int>();
                list.Add(0);
                Parallel.ForEach(list, item =>
                {
                   DoWork(item);
                });

    二、 Parallel中途退出循环和异常处理                                                                 

    1、当我们使用到Parallel,必然是处理一些比较耗时的操作,当然也很耗CPU和内存,如果我们中途向停止,怎么办呢?

    在串行代码中我们break一下就搞定了,但是并行就不是这么简单了,不过没关系,在并行循环的委托参数中提供了一个ParallelLoopState,

    该实例提供了Break和Stop方法来帮我们实现。

    Break: 当然这个是通知并行计算尽快的退出循环,比如并行计算正在迭代100,那么break后程序还会迭代所有小于100的。

    Stop:这个就不一样了,比如正在迭代100突然遇到stop,那它啥也不管了,直接退出。

    下面来写一段代码测试一下:

    复制代码
    public void ParallelBreak()
             {
                ConcurrentBag<int> bag = new ConcurrentBag<int>();
                stopWatch.Start();
                Parallel.For(0, 1000, (i, state) =>
                {
                   if (bag.Count == 300)
                   {
                      state.Stop();
                      return;
                   }
                   bag.Add(i);
                });
                stopWatch.Stop();
                Console.WriteLine("Bag count is " + bag.Count + ", " + stopWatch.ElapsedMilliseconds);
             }
    复制代码

    这里使用的是Stop,当数量达到300个时,会立刻停止;可以看到结果"Bag count is 300",如果用break,可能结果是300多个或者300个,大家可以测试一下。

    2、异常处理

      首先任务是并行计算的,处理过程中可能会产生n多的异常,那么如何来获取到这些异常呢?普通的Exception并不能获取到异常,然而为并行诞生的AggregateExcepation就可以获取到一组异常。

    这里我们修改Parallel.Invoke的代码,修改后代码如下:

    复制代码
    public class ParallelDemo
          {
             private Stopwatch stopWatch = new Stopwatch();
    
             public void Run1()
             {
                Thread.Sleep(2000);
                Console.WriteLine("Task 1 is cost 2 sec");
                throw new Exception("Exception in task 1");
             }
             public void Run2()
             {
                Thread.Sleep(3000);
                Console.WriteLine("Task 2 is cost 3 sec");
                throw new Exception("Exception in task 2");
             }
    
             public void ParallelInvokeMethod()
             {
                stopWatch.Start();
                try
                {
                   Parallel.Invoke(Run1, Run2);
                }
                catch (AggregateException aex)
                {
                   foreach (var ex in aex.InnerExceptions)
                   {
                      Console.WriteLine(ex.Message);
                   }
                }
                stopWatch.Stop();
                Console.WriteLine("Parallel run " + stopWatch.ElapsedMilliseconds + " ms.");
    
                stopWatch.Reset();
                stopWatch.Start();
                try
                {
                   Run1();
                   Run2();
                }
                catch(Exception ex)
                {
                   Console.WriteLine(ex.Message);
                }
                stopWatch.Stop();
                Console.WriteLine("Normal run " + stopWatch.ElapsedMilliseconds + " ms.");
             }
    }
    复制代码

    顺序调用方法我把异常处理写一起了,这样只能捕获Run1的异常信息,大家可以分开写。捕获AggregateException 异常后,用foreach循环遍历输出异常信息,可以看到两个异常信息都显示了。

  • 相关阅读:
    hadoop SecondNamenode 详解
    LaTeX的图片插入及排版[转]
    Secondary Namenode
    分布式文件系统元数据服务模型【转】
    Linux查看物理CPU个数、核数、逻辑CPU个数
    TCP的滑动窗口机制【转】
    sysctl.conf
    Iperf[转]
    CVE-2017-11882漏洞利用
    2017EIS CTFwriteup
  • 原文地址:https://www.cnblogs.com/keyyang/p/3998556.html
Copyright © 2020-2023  润新知