.NET中并行开发优化
让我们考虑一个简单的编程挑战:对大数组中的所有元素求和。现在可以通过使用并行性来轻松优化这一点,特别是对于具有数千或数百万个元素的巨大阵列,还有理由认为,并行处理时间应该与常规时间除以cpu核心数一样多。事实证明,这一壮举并不容易实现。我将向您展示几种并行执行此操作的方法,它们如何改善或降低性能以及以某种方式影响性能的所有细节。
简单的循环方法
private const int items = 500000; private int[] arr = null; public arrayc() { arr = new int[items]; var rnd = new random(); for (int i = 0; i < items; i++) { arr[i] = rnd.next(1000); } } public long forlocalarr() { long total = 0; for (int i = 0; i < items; i++) { total += int.parse(arr[i].tostring()); } return total; } public long foreachlocalarr() { long total = 0; foreach (var item in arr) { total += int.parse(item.tostring()); } return total; }
只需要迭代循环就可以计算出结果,超级简单,这里没有用直接相加求出结果,原因是直接求出结果,发现每次基本的运行都比并行快,但是实际上,并行处理没有那么简单,所以这里的加法就简单的处理下total += int.parse(arr[i].tostring())。现在,让我们尝试用并行性来打败数组迭代吧。
首次尝试
private object _lock = new object(); public long threadpoolwithlock() { long total = 0; int threads = 8; var partsize = items / threads; task[] tasks = new task[threads]; for (int ithread = 0; ithread < threads; ithread++) { var localthread = ithread; tasks[localthread] = task.run(() => { for (int j = localthread * partsize; j < (localthread + 1) * partsize; j++) { lock (_lock) { total += arr[j]; } } }); } task.waitall(tasks); return total; }
请注意,您必须使用localthread变量来“保存”该ithread时间点的值。否则,它将是一个随着for循环前进而变化的捕获变量。当数据最后打的时候并行已经比普通的快了,但是发现快的不多,说明还可以优化
再次优化
public long threadpoolwithlock2() { long total = 0; int threads = 8; var partsize = items / threads; task[] tasks = new task[threads]; for (int ithread = 0; ithread < threads; ithread++) { var localthread = ithread; tasks[localthread] = task.run(() => { long temp = 0; for (int j = localthread * partsize; j < (localthread + 1) * partsize; j++) { temp += int.parse(arr[j].tostring()); } lock (_lock) { total += temp; } }); } task.waitall(tasks); return total; }
增加设置临时变量,减少lock次数,发现运行效果已经有质的提高,提高了几倍。忽然想起,有个parallel.for的方法,研究性能是否可以更快。
parallel.for优化
public long parallelforwithlock() { long total = 0; int parts = 8; int partsize = items / parts; var parallel = parallel.for(0, parts, new paralleloptions(), (iter) => { long temp = 0; for (int j = iter * partsize; j < (iter + 1) * partsize; j++) { temp += int.parse(arr[j].tostring()); } lock (_lock) { total += temp; } }); return total; }
运行结果比普通迭代快,但是没有threadpool快,但是觉得parallel.for还可以继续优化,也许可以更快
parallel.for继续优化
public long parallelforwithlock2() { long total = 0; int parts = 8; int partsize = items / parts; var parallel = parallel.for(0, parts, localinit: () => 0l, // initializes the "localtotal" body: (iter, state, localtotal) => { for (int j = iter * partsize; j < (iter + 1) * partsize; j++) { localtotal += int.parse(arr[j].tostring()); } return localtotal; }, localfinally: (localtotal) => { total += localtotal; }); return total; }
运行效果已经很快,和threadpool优化过的差不多,有些时候更快
结论和总结
并行化优化肯定可以提高性能,但是这取决于很多因素,每个案例都应该进行测量和检查。
当各种线程需要通过某种锁定机制相互依赖时,性能会显着降低。
50万数据运行结果
上一篇: 你好骚哦
下一篇: .NET中的缓存实现
推荐阅读
-
浅谈Android开发中ListView控件性能的一些优化方法
-
.Net WInform开发笔记(二)Winform程序运行结构图及TCP协议在Winform中的应用
-
.Net WInform开发笔记(二)Winform程序运行结构图及TCP协议在Winform中的应用
-
使用VS2019在WSL中开发调试.NET Core
-
iOS开发中UITableview控件的基本使用及性能优化方法
-
概述.net开发过程中Bin目录下面几种文件格式
-
asp.net 在DNN模块开发中遇到的resx怪问题
-
.NET中并行开发优化
-
.net开发中,C# DateTime.Now 取出的时间含有星期解决办法
-
.NET程序员项目开发必知必会—Dev环境中的集成测试用例执行时上下文环境检查(实战)