引言
最近看一些代码的时候，发现有人用 System.Collections.Concurrent 下的 BlockingCollection 很便利的实现了生产者 - 消费者模式，这是之前没有注意到的，之前只关注过 ConcurrentQueue<T> 、ConcurrentStack<T> 或 ConcurrentBag<T>这些并发队列，并发堆栈，并发包相关的使用，正好好奇 BlockingCollection的用法，本次将 System.Collections.Concurrent 下的所有用法都实践一下。
简介
那先来看一下该库都有哪些成员从微软官方文档看一下 System.Collections.Concurrent[1]的介绍:
共有如下成员，类成员包含：
BlockingCollection<T>：为实现了IProducerConsumerCollection接口的集合提供阻塞和限制功能，可用于生产者 - 消费者场景。
ConcurrentBag<T>：无序的、线程安全的集合，适合于生产者 - 消费者模式，允许快速添加和移除元素。
ConcurrentDictionary<TKey,TValue>：线程安全的键值对集合，支持多个线程同时读写操作，避免了锁竞争带来的性能问题。
ConcurrentQueue<T>：线程安全的先进先出（FIFO）队列，支持多个线程同时入队和出队操作。
ConcurrentStack<T>：线程安全的后进先出（LIFO）栈，支持多个线程同时入栈和出栈操作。
OrderablePartitioner：抽象类，用于对数据源进行分区，生成有序的分区，方便并行处理。
Partitioner：提供创建分区程序的静态方法，可用于并行处理时对数据源进行分区。
Partitioner<T>：抽象基类，用于创建自定义的分区程序。
结构包含：
ConcurrentDictionary<TKey,TValue>.AlternateLookup：ConcurrentDictionary<TKey, TValue>类的嵌套结构，用于提供替代键查找功能。
接口包含：
IProducerConsumerCollection：定义了生产者 - 消费者集合的基本操作，如添加、移除元素等，实现该接口的集合可以用于多线程环境。
枚举包含
EnumerablePartitionerOptions：用于指定在创建可枚举分区程序时的选项，如是否保留元素顺序等。
代码实操
我们从上至下的来看，先来看接口。
IProducerConsumerCollection
看一下该接口的接口说明，主要提供四个方法， CopyTo、ToArray、TryAdd、TryTake，那对于该库中的 BlockingCollection 、ConcurrentQueue 、ConcurrentStack等线程安全的集合，均基于该接口实现。
那接下来基于该接口，我们自己手动简单实现一个线程安全的随机取元素的集合：
publicclassCustomRandomConCurrentList<T> : IProducerConsumerCollection<T>
{
privatereadonly Random random = new Random();
privatereadonly List<T> _items = new List<T>();
privatereadonlyobject _lock = newobject();
// 添加元素到集合中
publicvoidAdd(T item)
{
lock (_lock)
{
_items.Add(item);
}
}
// 尝试添加元素到集合中
publicboolTryAdd(T item)
{
lock (_lock)
{
_items.Add(item);
returntrue;
}
}
// 尝试从集合中移除一个元素
publicboolTryTake(out T item)
{
lock (_lock)
{
if (_items.Count > 0)
{
var index = random.Next(0, _items.Count);
item = _items[index]; // 随机取一个元素
_items.RemoveAt(index);
returntrue;
}
item = default;
returnfalse; // 集合为空，无法移除
}
}
// 获取集合中的元素数量
publicint Count
{
get
{
lock (_lock)
{
return _items.Count;
}
}
}
// 获取集合是否为只读
publicbool IsSynchronized => false;
// 获取同步根对象（本实现不支持）
publicobject SyncRoot => thrownew NotSupportedException("SyncRoot is not supported.");
publicvoidCopyTo(T[] array, int index)
{
lock (_lock)
{
_items.CopyTo(array, index);
}
}
// 实现 IEnumerable<T> 的 GetEnumerator 方法
public IEnumerator<T> GetEnumerator()
{
lock (_lock)
{
foreach (var item in _items)
{
yieldreturn item;
}
}
}
// 实现 IEnumerable 的非泛型 GetEnumerator 方法
IEnumerator IEnumerable.GetEnumerator()
{
return GetEnumerator();
}
// 将集合转换为数组
public T[] ToArray()
{
lock (_lock)
{
return _items.ToArray();
}
}
// 复制集合中的元素到数组
publicvoidCopyTo(Array array, int index)
{
lock (_lock)
{
((ICollection)_items).CopyTo(array, index);
}
}
}从上述实现中，可以看到实现的方法明显不止四个，是因为 IProducerConsumerCollection接口还分别继承了IEnumerable<T>, IEnumerable, ICollection 接口，这些接口分别包含以下成员：
IEnumerable包含非泛型GetEnumerator();ICollection包含Count、IsSynchronized、SyncRoot、CopyTo；IEnumerable<T>包含泛型方法GetEnumerator()；
接下来执行测试代码，测试一下，这里说明一下，如何验证这个集合是线程安全的呢？
一般是模拟高并发场景下对集合的大量操作。例如，通过多个线程不断地向队列中添加和取出元素，持续一段时间后，观察集合是否有异常或崩溃，另一方面观察集合内数据是否有丢失、重复或错误的情况。
我们这里简单的模拟生产-消费场景，检查结束后集合是否清空。
publicstaticvoidTestCustomRandomConCurrentList()
{
constint ThreadCount = 10; // 线程数
constint OperationsPerThread = 1000; // 每个线程操作次数
var list = new CustomRandomConCurrentList<int>();
int totalAdded = 0;
int totalRemoved = 0;
List<Task> producers = new List<Task>();
List<Task> consumers = new List<Task>();
for (int i = 0; i < ThreadCount; i++)
{
var task = Task.Run(() =>
{
for (int i = 0; i < OperationsPerThread; i++)
{
list.Add(i);
//Console.WriteLine($"producers：{i}");
Interlocked.Increment(ref totalAdded);
}
});
producers.Add(task);
}
//先让生产者生成部分数据，验证是否是随机取出
var temp = Task.Run(() => { Thread.Sleep(10); });
temp.Wait();
for (int i = 0; i < ThreadCount; i++)
{
var task = Task.Run(() =>
{
for (int i = 0; i < OperationsPerThread; i++)
{
if (list.TryTake(outint item))
{
Interlocked.Increment(ref totalRemoved);
//Console.WriteLine($"consumers：{item}");
}
}
});
consumers.Add(task);
}
// 等待所有任务完成
Task.WaitAll(producers.Concat(consumers).ToArray());
// 验证结果
Console.WriteLine($"共添加数据: {totalAdded}, 共移除数据: {totalRemoved}");
Console.WriteLine($"任务结束后剩余数据: {list.Count}");
Console.WriteLine($"集合是否是线程安全：{totalAdded == totalRemoved || list.Count == 0}");
}输出为：
共添加数据: 10000, 共移除数据: 10000
任务结束后剩余数据: 0
集合是否是线程安全：True移除 Console.WriteLine 注释后，运行后可以看到是随机取出的，若将 CustomRandomConCurrentList<int> 替换为ConcurrentBag<int>，从输出则可以看出是顺序取出的，这里就不放出输出结果了。
至此，手动简单实现一个线程安全的随机取元素的集合就完成了。
ConcurrentQueue
接下来看看线程安全的队列，ConcurrentQueue 先进先出（FIFO）队列，支持多个线程同时入队和出队操作。
// 创建一个空的 ConcurrentQueue
ConcurrentQueue<int> queue = new ConcurrentQueue<int>();
// 入队操作
queue.Enqueue(1);
queue.Enqueue(2);
queue.Enqueue(3);
Console.WriteLine($"队列中有元素:{string.Join(",", queue)}");
//查看队列的头部元素
int peekResult;
if (queue.TryPeek(out peekResult))
{
Console.WriteLine($"查看队列的头部元素: {peekResult}，队列中剩余元素：{string.Join(",", queue)}");
}
else
{
Console.WriteLine($"查看队列的头部元素：队列为空");
}
//出队操作
int result;
for (int i = 0; i < 4; i++)
{
if (queue.TryDequeue(out result))
{
Console.WriteLine($"队列取出元素: {result}，队列中剩余元素：{string.Join(",", queue)}");
}
else
{
Console.WriteLine("队列取出元素：队列为空");
}
}
//查看队列的头部元素
if (queue.TryPeek(out peekResult))
{
Console.WriteLine($"查看队列的头部元素: {peekResult}，队列中剩余元素：{string.Join(",", queue)}");
}
else
{
Console.WriteLine($"查看队列的头部元素：队列为空");
}结果输出
队列中有元素:1,2,3
查看队列的头部元素: 1，队列中剩余元素：1,2,3
队列取出元素: 1，队列中剩余元素：2,3
队列取出元素: 2，队列中剩余元素：3
队列取出元素: 3，队列中剩余元素：
队列取出元素：队列为空使用
Enqueue方法可以将元素添加到队列的末尾，上述代码添加了三个元素使用
TryPeek方法用于尝试查看队列的头部元素，但不会将其移除。如果队列为空，该方法会返回 false，上述代码中，添加三个元素之后，获取到了头部元素，移除全部元素后，再次获取头部元素，未获取到且不抛异常。使用
TryDequeue方法是取出队列头部元素，并从队列中移除，从输出可以看到，取出三次后，队列为空。
如果感兴趣的朋友想要验证 ConcurrentQueue 的并发测试，可以接着使用上面的测试代码，将 CustomRandomConCurrentList<int> 更改为 ConcurrentQueue<int> ，然后将 Add、TryTake 方法分别替换为 Enqueue、 TryDequeue，即可直接运行测试代码。
ConcurrentStack
接下来是线程安全的堆栈，ConcurrentStack 是线程安全的后进先出（LIFO）栈，支持多个线程同时入栈和出栈操作。
// 创建一个空的 ConcurrentStack
ConcurrentStack<int> stack = new ConcurrentStack<int>();
// 压栈操作
stack.Push(1);
stack.Push(2);
stack.Push(3);
Console.WriteLine($"堆栈中有元素:{string.Join(",", stack)}");
//查看堆栈的头部元素
int peekResult;
if (stack.TryPeek(out peekResult))
{
Console.WriteLine($"查看堆栈的头部元素: {peekResult}，堆栈中剩余元素：{string.Join(",", stack)}");
}
else
{
Console.WriteLine($"查看堆栈的头部元素：堆栈为空");
}
//出栈操作
int result;
for (int i = 0; i < 4; i++)
{
if (stack.TryPop(out result))
{
Console.WriteLine($"堆栈取出元素: {result}，堆栈中剩余元素：{string.Join(",", stack)}");
}
else
{
Console.WriteLine("堆栈取出元素：堆栈为空");
}
}
//查看堆栈的头部元素
if (stack.TryPeek(out peekResult))
{
Console.WriteLine($"查看堆栈的头部元素: {peekResult}，堆栈中剩余元素：{string.Join(",", stack)}");
}
else
{
Console.WriteLine($"查看堆栈的头部元素：堆栈为空");
}结果输出：
堆栈中有元素:3,2,1
查看堆栈的头部元素: 3，堆栈中剩余元素：3,2,1
堆栈取出元素: 3，堆栈中剩余元素：2,1
堆栈取出元素: 2，堆栈中剩余元素：1
堆栈取出元素: 1，堆栈中剩余元素：
堆栈取出元素：堆栈为空
查看堆栈的头部元素：堆栈为空可以看到，他的元素排列顺序和取出顺序都是跟 ConcurrentQueue 是相反的，同样的想要验证 ConcurrentStack 的并发测试，还是使用上面的测试代码，将 CustomRandomConCurrentList<int> 更改为 ConcurrentStack<int> ，然后将 Add、TryTake 方法分别替换为 Push、 TryPop，即可直接运行测试代码。
ConcurrentBag
ConcurrentBag 是无序的、线程安全的集合，许快速添加和移除元素。
// 创建一个空的 ConcurrentBag
ConcurrentBag<int> bags = new ConcurrentBag<int>();
// 入队操作
bags.Add(1);
bags.Add(2);
bags.Add(3);
Console.WriteLine($"并发包中有元素:{string.Join(",", bags)}");
//查看并发包的头部元素
int peekResult;
if (bags.TryPeek(out peekResult))
{
Console.WriteLine($"查看并发包的头部元素: {peekResult}，并发包中剩余元素：{string.Join(",", bags)}");
}
else
{
Console.WriteLine($"查看并发包的头部元素：并发包为空");
}
//出队操作
int result;
for (int i = 0; i < 4; i++)
{
if (bags.TryTake(out result))
{
Console.WriteLine($"并发包取出元素: {result}，并发包中剩余元素：{string.Join(",", bags)}");
}
else
{
Console.WriteLine("并发包取出元素：并发包为空");
}
}
//查看并发包的头部元素
if (bags.TryPeek(out peekResult))
{
Console.WriteLine($"查看并发包的头部元素: {peekResult}，并发包中剩余元素：{string.Join(",", bags)}");
}
else
{
Console.WriteLine($"查看并发包的头部元素：并发包为空");
}输出：
并发包中有元素:3,2,1
查看并发包的头部元素: 3，并发包中剩余元素：3,2,1
并发包取出元素: 3，并发包中剩余元素：2,1
并发包取出元素: 2，并发包中剩余元素：1
并发包取出元素: 1，并发包中剩余元素：
并发包取出元素：并发包为空
查看并发包的头部元素：并发包为空从输出看，ConcurrentBag 与 ConcurrentStack看着是一样的，但其实他俩在多线程下并不同。最主要的原因就是它一种无序的集合，不保证元素的添加和移除顺序，内部使用一种特殊的算法来管理元素，使得多个线程可以高效地添加和移除元素，适合处理对元素顺序没有要求的集合，且高并发且线程频繁添加/移除的场景下，性能优于其他并发集合。
并发集合对比
那我们将ConcurrentBag 、ConcurrentQueue与 ConcurrentStack这三个并发集合在性能和适用场景做一下对比：
性能特点
ConcurrentBag<T>在多线程同时添加和移除元素的场景下性能较好，因为它的设计允许每个线程独立地操作自己的本地存储，减少了线程间的竞争。当线程主要进行添加和移除操作，且对元素顺序无要求时，使用 ConcurrentBag可以获得较高的性能。
ConcurrentStack<T>对于多线程频繁进行入栈（Push）和出栈（Pop）操作的场景，性能表现不错。由于栈的操作主要集中在栈顶，多线程并发操作时的冲突相对较少。
ConcurrentQueue<T>在多线程环境下，如果需要保证元素按照添加的顺序被处理，ConcurrentQueue是合适的选择。不过，由于队列需要维护头部和尾部的指针，在高并发情况下，可能会存在一定的性能开销。
适用场景
ConcurrentBag<T>适用于并行计算场景，例如多个线程同时生成任务，然后由其他线程随机获取任务进行处理，不关心任务的处理顺序。 当需要快速收集元素，且后续处理对元素顺序无要求时，也可以使用 ConcurrentBag。
ConcurrentStack<T>常用于实现递归算法的迭代版本，例如深度优先搜索（DFS）。多个线程可以同时将节点压入栈中，然后按照后进先出的顺序进行处理。 适用于撤销操作的场景，最后执行的操作可以最先被撤销。
ConcurrentQueue<T>适用于任务调度系统，任务按照提交的顺序依次执行。例如，多个线程将任务添加到队列中，然后由一个或多个工作线程从队列中取出任务进行处理。 在消息传递系统中，消息按照发送的顺序依次被处理，也可以使用 ConcurrentQueue来实现。
ConcurrentDictionary
ConcurrentDictionary 是用于多线程环境下的线程安全字典，用于多线程环境下的并发读写字典操作。 常见用法如下：
创建实例
var dict = new ConcurrentDictionary<string, int>();添加元素
// TryAdd (原子操作)
bool added = dict.TryAdd("key1", 100);
// AddOrUpdate (如果存在则更新，否则添加)
dict.AddOrUpdate("key1", 200, (key, oldValue) => oldValue + 200);获取元素
// TryGetValue (原子操作)
if (dict.TryGetValue("key1", outintvalue))
{
Console.WriteLine($"Value: {value}");
}
// 直接通过索引器获取（非原子，需自行处理异常）
try
{
var val = dict["key1"];
}
catch (KeyNotFoundException)
{
// 处理不存在的情况
}更新元素
// TryUpdate (原子操作)
bool updated = dict.TryUpdate("key1", 300, 200); // 仅当旧值为200时更新
// 使用 AddOrUpdate 更新
dict.AddOrUpdate("key1", 0, (key, oldValue) => 300);删除元素
// TryRemove (原子操作)
if (dict.TryRemove("key1", outint removedValue))
{
Console.WriteLine($"Removed: {removedValue}");
}
// 删除满足条件的键
dict.TryRemove("key2", out _);获取或添加
// GetOrAdd (原子操作)
intvalue = dict.GetOrAdd("key3", 400); // 如果不存在则添加注意事项
使用 ConcurrentDictionary 需要注意的是，再用索引器直接获取元素和遍历元素可能存在问题，下面用代码示例：
索引器的线程安全问题
直接通过索引器（
dict[key]）读取或写入时，如果其他线程正在修改该键的值，可能引发两个问题，一个是读取时键被删除，然后抛出KeyNotFoundException
static ConcurrentDictionary<int, int> dict = new ConcurrentDictionary<int, int>();
staticvoidMain()
{
int count = 0;
while (count < 10)
{
// 清空字典
dict.Clear();
// 初始化一个键值
dict.TryAdd(1, 100);
// 启动一个线程删除键
Task.Run(() => { dict.TryRemove(1, out _); });
// 主线程尝试通过索引器读取
try
{
Console.WriteLine($"通过索引器读取值: {dict[1]}"); // 可能抛出 KeyNotFoundException
}
catch (KeyNotFoundException ex)
{
Console.WriteLine($"异常捕获: {ex.Message}");
}
count++;
}
}输出：
遍历元素的线程安全问题
ConcurrentDictionary的枚举器是非快照的，遍历时如果其他线程修改字典，可能也导致遍历过程中看到部分更新的数据。
static ConcurrentDictionary<int, int> dict = new ConcurrentDictionary<int, int>();
staticvoidMain()
{
// 初始化数据
for (int i = 0; i < 5; i++)
{
dict.TryAdd(i, i * 10);
}
Random random = new Random();
// 启动一个线程在遍历时修改字典
Task.Run(() =>
{
// 遍历时修改字典
foreach (var key in dict.Keys)
{
dict.TryAdd(key + 100, (key + 100) * 10);
// 模拟耗时操作
Task.Delay(150).Wait();
}
});
foreach (var kv in dict)
{
if (dict.TryGetValue(kv.Key, outintvalue))
{
Console.WriteLine($"键: {kv.Key}, 值: {value}");
// 模拟耗时操作
Task.Delay(30).Wait();
}
}
Console.WriteLine("遍历完成");
}输出：
可以看到遍历过程输出了部分新添加的数据。
原子操作与索引器的区别
其实就是写入冲突，通过索引器获取到的键值对，值被修改后，可能会覆盖其他线程的更新。
static ConcurrentDictionary<int, int> dict = new ConcurrentDictionary<int, int>();
staticvoidMain()
{
// 初始化键
dict.TryAdd(1, 0);
// 启动多个线程通过索引器自增（非原子操作）
Parallel.For(0, 1000, i =>
{
// 危险操作：索引器读取后可能被其他线程修改
intvalue = dict[1];
dict[1] = value + 1;
});
Console.WriteLine($"通过索引器自增后的值: {dict[1]}"); // 可能小于 1000
// 重置字典
dict.TryRemove(1, out _);
// 启动多个线程使用 AddOrUpdate（原子操作）
Parallel.For(0, 1000, i =>
{
dict.AddOrUpdate(1, 1, (key, oldVal) => oldVal + 1);
});
Console.WriteLine($"通过 AddOrUpdate 自增后的值: {dict[1]}"); // 应为 1000
}输出：
从结果也可以看到，使用索引器自增时，因并发覆盖导致丢失更新，所以最终值可能小于 1000，而使用 AddOrUpdate 时，最终值始终为 1000。
BlockingCollection
BlockingCollection<T> 是专门用于生产者-消费者模式的并发集合。它提供了以下核心功能：
阻塞操作：当集合为空时，消费者线程会被阻塞；当集合已满时（如果设置了容量限制），生产者线程会被阻塞。
线程安全：无需额外锁机制即可在多线程环境中使用。
封装底层集合：默认使用
ConcurrentQueue<T>（先进先出），但也可以使用其他实现了IProducerConsumerCollection<T>的集合（如ConcurrentStack<T>或者上文中自己实现的CustomRandomConCurrentList<T>）。
下面看一下示例：
Random random = new Random();
// 方式1：创建 BlockingCollection（默认不限制容量）
var blockingCollection = new BlockingCollection<int>();
// 方式2：创建一个容量为 5 的集合
//var blockingCollection = new BlockingCollection<int>(2);
// 方式3：创建 ConcurrentStack（后进先出）
//var blockingCollection = new BlockingCollection<int>(new ConcurrentStack<int>());
// 生产者任务
Task producer = Task.Run(() =>
{
for (int i = 0; i < 10; i++)
{
blockingCollection.Add(i); // 添加元素
Console.WriteLine($"生产: {i}");
Thread.Sleep(random.Next(20, 200));
}
blockingCollection.CompleteAdding(); // 标记生产者已完成
});
// 消费者任务
Task consumer = Task.Run(() =>
{
foreach (int item in blockingCollection.GetConsumingEnumerable()) // 阻塞直到有数据
{
Console.WriteLine($"消费: {item}");
Thread.Sleep(200);
}
});
Task.WaitAll(producer, consumer);
Console.WriteLine("操作完成");输出：
生产: 0
消费: 0
生产: 1
消费: 1
生产: 2
消费: 2
生产: 3
消费: 3
生产: 4
生产: 5
消费: 4
生产: 6
生产: 7
消费: 5
生产: 8
消费: 6
生产: 9
消费: 7
消费: 8
消费: 9
操作完成因为上述代码中，使用的默认构造方法，所以使用的是 ConcurrentQueue先进先出的方式取出元素，若修改为方式3后进先出的方式，则输出会像这样，最后生产的，先被消费：
生产: 0
消费: 0
生产: 1
生产: 2
消费: 2
生产: 3
生产: 4
消费: 4
生产: 5
消费: 5
生产: 6
消费: 6
生产: 7
生产: 8
消费: 8
生产: 9
消费: 9
消费: 7
消费: 3
消费: 1
操作完成若采用方式2创建，则会限制生产队列的容量，当队列中满容量且没有被消费时，则阻塞当前线程，直到被消费后，重新生产并加入，输出会像这样：
生产: 0
消费: 0
生产: 1
消费: 1
生产: 2
生产: 3
消费: 2
生产: 4
消费: 3
生产: 5
消费: 4
生产: 6
消费: 5
生产: 7
消费: 6
生产: 8
消费: 7
生产: 9
消费: 8
消费: 9
操作完成当然也可以创建后进先出，且容量为2的队列，像这样：
var blockingCollection = new BlockingCollection<int>(new ConcurrentStack<int>(),2);下面列出部分关键方法或属性：
添加元素
Add(T item): 添加元素，如果集合已满（有界容量），则阻塞。TryAdd(T item, int timeout): 尝试添加元素，可指定超时时间。
获取元素
Take(): 移除并返回元素，若集合为空，则阻塞。TryTake(out T item, int timeout): 尝试获取元素，可指定超时时间。
完成通知
CompleteAdding(): 标记集合不再接受新元素，后续的 Add 操作会抛出异常。IsCompleted: 返回是否已完成添加且集合为空。
其他属性
BoundedCapacity: 返回集合的容量限制（若为无界，返回 int.MaxValue）。IsAddingCompleted: 返回是否已调用 CompleteAdding()。
OrderablePartitioner
OrderablePartitioner<TSource> 是 System.Collections.Concurrent 命名空间下的一个高级分区器类，专门用来并行处理场景，使用者可以用来自定义数据的分区策略，并在 Parallel.ForEach 等并行操作中保持元素的顺序性（例如，处理顺序与原始数据顺序一致）。
通过 Partitioner.Create() 创建分区器时，可以使用 EnumerablePartitionerOptions 指定是否需要缓存，EnumerablePartitionerOptions枚举值区别如下：
EnumerablePartitionerOptions.None:这是默认值，使用系统默认的分区行为。系统会根据集合的类型、大小以及运行环境等因素，自动选择合适的分区策略。通常情况，它会尝试进行高效的分区，以充分利用多核处理器的性能。适用于不确定使用哪种分区策略，或者希望让系统自动优化分区的场景。EnumerablePartitionerOptions.NoBuffering:默认情况下，分区器可能会对数据进行缓冲，以提高性能。但使用NoBuffering时，分区器会逐个元素地将数据分配给工作线程，而不会预先缓冲一批数据。这样工作线程会立即处理下一个可用的元素，减少了内存使用，但可能会增加线程间的同步开销。适用于处理实时数据流时，这种数据是逐个到达的，使用NoBuffering可以避免不必要的缓冲。
示例代码：
int[] data = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 };
int[] result = newint[data.Length];
// 创建 OrderablePartitioner
OrderablePartitioner<int> partitioner = Partitioner.Create(data, EnumerablePartitionerOptions.NoBuffering);
// 并行处理结果
Parallel.ForEach(partitioner, (item, state, index) =>
{
Console.WriteLine($"处理元素开始: {item}, 原始索引: {index},时间：{DateTime.Now.ToString("HH:mm:ss:fff")}");
// 模拟处理逻辑
Thread.Sleep(100);
result[index] = item;
});
Console.WriteLine($"result中的元素为：{string.Join(",", result)},时间：{DateTime.Now.ToString("HH:mm:ss:fff")}");输出：
处理元素开始: 6, 原始索引: 5,时间：14:29:23:015
处理元素开始: 7, 原始索引: 6,时间：14:29:23:019
处理元素开始: 8, 原始索引: 7,时间：14:29:23:019
处理元素开始: 2, 原始索引: 1,时间：14:29:23:019
处理元素开始: 3, 原始索引: 2,时间：14:29:23:019
处理元素开始: 5, 原始索引: 4,时间：14:29:23:019
处理元素开始: 9, 原始索引: 8,时间：14:29:23:015
处理元素开始: 1, 原始索引: 0,时间：14:29:23:015
处理元素开始: 10, 原始索引: 9,时间：14:29:23:015
处理元素开始: 4, 原始索引: 3,时间：14:29:23:015
result中的元素为：1,2,3,4,5,6,7,8,9,10,时间：14:29:23:155从输出可以看到，因为在每个任务处理时，能够明确知道当前任务的索引，所以也就能够处理使得结果顺序跟源顺序一致，从时间戳来看，完成10个耗时100秒的任务，总时间只用了100多毫秒，充分利用了CPU多线程性能。
总结
上述就是对 System.Collections.Concurrent 命名空间的所有成员做了比较详细的说明和应用了，我们可以通过合理选择这些集合类，可以显著简化多线程编程，同时保证高性能与线程安全。
参考链接
❝[1] https://learn.microsoft.com/en-us/dotnet/api/system.collections.concurrent?view=net-9.0
❞
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
