.NET4.0并行计算技术基础（6）

 

.NET4.0并行计算技术基础（6）

 

金旭亮

 

前几讲的链接：

 

.NET 4.0 并行计算技术基础(1)

.NET 4.0 并行计算技术基础(2)

. NET 4.0并行计算技术基础(3)

. NET 4.0并行计算技术基础(4)

.NET4.0并行计算技术基础（5）

==============================================================

19.3.3 使用Parallel类——让一切并行起来

         在TPL中，最容易使用的类是Parallel，此类提供了三个方法“群”用于实现三种常用的并行程序执行结构。

1使用Parallel.Invoke并行执行任务

        当我们有一系列相互独立的工作需要并行执行时，最简单的方法是使用TPL的Parallel类的Invoke()方法来并行执行它们。

         例如，假设以下三个方法调用语句之间是相互独立的[1]，则它们可以并行执行：

 

StatementA();

StatementB();

StatementC();

 

         使用Parrallel.Invoke()方法可以让它们并行执行：

 

Parallel.Invoke(

  () => StatementA(),

  () => StatementB(),

  () => StatementC() );

 

         Parrallel.Invoke()方法的声明如下：

 

public static void Invoke(params Action[] actions);

 

         请注意其参数中有一个params前缀，表明此方法接收可变数目的参数。您可以根据需要传给它任意多条语句。

         Parrallel.Invoke()能够调用的方法必须满足Action委托的要求（即不能有参数，也不能有返回值），对于不满足这个条件的方法，必须对方法本身进行修改，或者是给其添加一个“外套函数：

 

       //需要并行执行的方法

        public static int SomeFunc(int i, int j)

        {

            //...

          }

        //可以让Parallel.Invoke()方法调用的“外套”函数

        public static  void SomeFuncWrapper()

        {

            int i = 100;

            int j = 200;

            int result= SomeFunc(i, j);

            //...

        }

 

         现在，以SomeFuncWrapper()方法为“中介”，SomeFunc()方法就可以和其它方法并行执行了：

 

Parallel.Invoke(

                ()=>SomeFuncWrapper(),

                ()=>OtherFunc(),

                ……

     );

 

---

[1]  所谓“相互独立”的方法，指这些方法共享任何资源，对执行顺序也没有任何要求。

 

2 使用Parallel.For并行访问数据(partition))

         另一种非常常见的并行场景是并行循环，例如：

 

            for (int i = 0; i < 100; i++)

            {

                DoWork(i);  //完成某些工作

            }

 

         上述循环中，要等待前一个循环结束之后，下一个循环才开始执行。如果将其改为以下形式：

 

    Parallel.For(0, 100, (i) => DoWork(i));

 

         则这些循环就可以并行执行了。

 

      注意：

       并行执行的循环其执行顺序是“乱”的，每次运行都可能会有不同的执行顺序。示例项目ParallelFor展示了这一特性。

 

         Parallel.For还有几个重载的形式，涉及到中途取消操作和异常捕获的问题，我们将在后面的章节中介绍。

         一个有意思的问题是，如果在一段顺序执行的程序代码中有一句调用了Parallel.For启动一个并行循环，如下所示：

 

语句1;

Parallel.For(…);

语句2;

//……其他语句

 

         那么，语句2（及后继语句）是在Parallel.For执行完后才执行呢还是与Parallel.For并行执行？

         在MSDN中并没有明确地回答这个问题。

         而我经过实验，发现要等到Parallel.For执行完后才会执行语句2（及后继语句）。

 

       技术探险之旅：

Parallel.For的内部实现

       对于好奇的读者，不妨使用Reflector工具去深入探究一下Parallel.For的实现代码，虽然这些代码比较复杂，但不难发现以下代码框架：

 

//…（代码略）

ParallelForReplicatingTask rootTask = null;

rootTask = new ParallelForReplicatingTask(…);

rootTask.RunSynchronously(parallelOptions.EffectiveTaskScheduler);

//…（代码略）

rootTask.Wait();

//…（代码略）

rootTask.Dispose();

//…（代码略）

         其中ParallelForReplicatingTask类是TPL内部定义的一个类，其基类是Task。

       从上述代码框架中，不难明白Parallel.For的工作原理：

       TPL在Parallel.For方法内部创建了一个任务对象rootTask，然后调用此对象的RunSynchronously()方法以“同步”方式执行并行循环，注意，别被这里的单词“Synchronously（中文译为“同步地”）给欺骗了，此方法绝不是串行执行的。因为此方法接收一个参数，此参数引用一个任务调度器对象，由此调度器对象将任务进行分解，交由线程池中的线程执行，这是实现并行循环的关键！

       任务交给线程池中的线程执行之后，Parallel.For方法调用rootTask .Wait()方法等待所有线程完成工作。最后，销毁rootTask对象。

通过仔细分析源码，我们明白了为何在串行代码中使用Parallel.For会出现“串行à并行à串行”这种执行顺序。

另外，我们还可以得到另一个结论：

使用Parallel启动的并行计算，在底层使用Task来完成。

有关Task和任务调度器的内容，在后面的章节中还有介绍。

 

 

3 在并行循环中使用线程局部存储区

         我们在第17章中介绍过线程局部存储区（TLS：Thread Local Storage），TLS中保存的数据只允许与它相关联的线程独占访问。

         在并行循环中，将会启动多个线程执行循环，如果需要的话，我们可以将一些数据放到TLS中，并且在多个循环中共享。

         .NET提供了一个泛型的Parallel.For<TLocal>()方法在并行循环中使用TLS，以下是此方法声明：

 

public static ParallelLoopResult For<TLocal>(

    int fromInclusive,

    int toExclusive,

    Func<TLocal> localInit,

    Func<int, ParallelLoopState, TLocal, TLocal> body,

    Action<TLocal> localFinally

)

 

         这个方法有相当多的参数，需要仔细地辨析使用。

1.         泛型参数TLocal表明要保存在TLS中的数据的类型。

2.         fromInclusive和toExclusive表示循环控制变量的起始值和结束值，由它们控制循环次数。

3.         localInit引用一个函数，它的返回值将作为保存到TLS中的数据初始值

4.         body是循环体，引用一个函数，注意它也有一个TLocal类型的返回值，此返回值将会被自动保存到TLS中。而它的第3个参数（也是TLocal类型）则代表在TLS中的数据的当前值

5.         localFinally引用一个返回void的函数，此函数在body执行完毕后自动调用，可以在此函数中完成一些清理工作，此函数执行结束之后，线程中止，TLS中的数据将不再可用。

         示例ParallelForUseTLS展示了如何在一个执行10次的并行循环中使用TLS保存“时间”数据。

         以下是示例程序的某次运行结果：

 

 

 

请读者先看源码，然后多次运行示例程序，仔细地分析一下运行结果，可以得到以下结论：

（1）       每次启动的线程个数有可能不同。

（2）       每个线程负责执行的“工作负荷”是不一样的，有的线程可能承担了多个并行循环，而有的线程可能只执行一个并行循环。

（3）       每个线程都有自已的局部存储区。

         从上述结论中读者可以“初窥”任务并行库的工作原理。

 

4 使用Parallel.ForEach

         如果你有一大堆“单个”的数据，并且每个数据都需要进行处理时，如果这些针对单个数据的处理是可以并行的话，那么，使用Parallel.ForEach()方法可以加快数据的处理工作。

         请看以下示例代码（串行算法）：

 

//循环迭代对象集合中的每个对象

foreach (var item in sourceCollection)

{

    Process(item); //处理单个对象

}

 

         要让Process()方法并行执行，可以这样写：

 

Parallel.ForEach(sourceCollection, item => Process(item));

 

         在后台，任务并行库“悄悄地”把整个集合分成若干个不相交的子集，然后，针对每个集合从线程池中选择一个线程对集合中的对象进行处理。由于每个子集都只对应着一个线程，因此，无需担心发生多线程访问共享资源的问题，而且多个子集的处理工作可以并行执行。

        

       扩充阅读：

自定义数据集“划分（Partition）”算法

       Parallel.ForEach()方法的并行执行依赖于对数据集合的有效划分。负责设计TPL的工程师们已经在设计时考虑了多种可能的情形，并且选择了尽可能高效的数据集划分算法，大多数情况下用默认划分算法就足够了。然而，如果您要解决的问题比较特殊，需要按特定的规则来区分数据集，那么，您就必须定义自己的数据集划分类。

       .NET提供了两个抽象类作为自定数据划分类的基类（图 19‑14）：

 

 

 

图 19‑14中，如果您所划分的数据子集不需要按次序访问，那么，您可以从Partitioner<TSource>类中派生自定义无序划分类。然而，如果按顺序访问元素是重要的，那么，必须选择OrderablePartitioner<TSource>作为基类，你的算法必须给划分的子集中的每个数据元素赋给一个唯一的整数索引。

       Parallel.ForEach()方法有几个重载形式可以接收一个Partitioner<TSource>或OrderablePartitioner<TSource>类型的数据划分对象，TPL使用这一对象划分数据子集。您只需要将自定义划分类的对象作为参数传给Parallel.ForEach()方法，就可以让数据处理工作在您所确定的子集中并行执行。

       当自定义数据划分类时，需要重写Partitioner<TSource>和OrderablePartitioner<TSource>中的一些方法，相关注意事项请查询MSDN。

 

 

=================================================

 

下一讲，将带领大家探索任务并行库TPL的内部工作机理。

 

请看：《.NET4.0并行计算技术基础（7）》