C# 多线程 Parallel.For 和 For 谁的效率高？那么 Parallel.ForEach 和 ForEach 呢？

还是那句话：十年河东，十年河西，莫欺少年穷。

今天和大家探讨一个问题：Parallel.For 和 For 谁的效率高呢？

从CPU使用方面而言，Parallel.For 属于多线程范畴，可以开辟多个线程使用CPU内核，也就是说可以并行处理程序。For 循环是单线程的，一个线程执行完所有循环。

因此你会认为：多线程的效率肯定高于单线程。但这样认为是错误的！

例如下面程序：

static void Main(string[] args)
        {
            Stopwatch sw = new Stopwatch();
            sw.Start();

            ParallelLoopResult result =
            Parallel.For(0, 10000, i =>
            {
                Console.Write("");

            });
            sw.Stop();
            TimeSpan ts2 = sw.Elapsed;
            Console.WriteLine("Parallel.For总共花费{0}ms.", ts2.TotalMilliseconds);

            //
            Stopwatch sw_Eq = new Stopwatch();
            sw_Eq.Start();
            for (int i = 0; i < 10000; i++)
            {
                Console.Write(""); 
            }
            sw_Eq.Stop();
            TimeSpan tssw_Eq = sw_Eq.Elapsed;
            Console.WriteLine("for总共花费{0}ms.", tssw_Eq.TotalMilliseconds);
            Console.ReadKey();
        }

 

额，为什么For 循环要比Parallel.For 效率要高呢？

这是因为循环体内执行的任务开销太小，仅仅是输出一个空字符串而已。微软的文章已经指出任务的开销大小对并行任务的影响。如果任务很小，那么由于并行管理的附加开销（任务分配，调度，同步等成本），可能并行执行并不是优化方案。这也是上述程序For效率高出的原因。

如果在循环体内执行向数据库插入操作，那么Parallel.For 效率就会高出，在此，我们认为每向数据库插入一条记录花费1毫秒时间，将程序修改如下：

class Program
    {
        static void Main(string[] args)
        {
            Stopwatch sw = new Stopwatch();
            sw.Start();

            ParallelLoopResult result =
            Parallel.For(0, 10, i =>
            {
                Console.Write("");
                Thread.Sleep(1);

            });
            sw.Stop();
            TimeSpan ts2 = sw.Elapsed;
            Console.WriteLine("Parallel.For总共花费{0}ms.", ts2.TotalMilliseconds);

            //
            Stopwatch sw_Eq = new Stopwatch();
            sw_Eq.Start();
            for (int i = 0; i < 10; i++)
            {
                Console.Write("");
                Thread.Sleep(1);
            }
            sw_Eq.Stop();
            TimeSpan tssw_Eq = sw_Eq.Elapsed;
            Console.WriteLine("for总共花费{0}ms.", tssw_Eq.TotalMilliseconds);
            Console.ReadKey();
        }
    }
}

执行结果大大改变：

相信到此，大家应该明白了吧！也就说For是同步，Parallel.For 是异步执行。当然，我们也可以使用Thread实现异步编程：

代码如下：

  class Program
    {
        static void Main(string[] args)
        {
            Console.WriteLine("主线程测试开始..");
            Thread th = new Thread(ThMethod);
            th.Start();
            Thread.Sleep(1000);
            Console.WriteLine("主线程测试结束..");
            Console.ReadLine();
        }


        static void ThMethod()
        {
            Console.WriteLine("异步执行开始");
            for (int i = 0; i < 5; i++)
            {
                Console.WriteLine("异步执行" + i.ToString() + "..");
                Thread.Sleep(1000);
            }
            Console.WriteLine("异步执行完成");
        }
    }

Parallel.ForEach 和 ForEach  与 Parallel.For 和 For 一样，一个是异步执行，开辟多个线程。一个是同步执行，开辟一个线程。因此，效率方面同上，主要看执行的什么任务，在此不作具体说明。

下面写了一些代码，从下面的代码中我们可以看出Parallel.ForEach具体开辟了几个线程，如下：

class Program
    {
        static void Main(string[] args)
        {
            int[] intList = new int[] { 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 };
            ParallelLoopResult result = Parallel.ForEach(intList, (s,pls,longs) =>
            {
                Console.WriteLine(longs + "  " + s);
                pls.Stop();
                if (pls.IsStopped)
                {
                    Parallel.Invoke(Gs,Ks);//异步调用多个方法
                }
            });
            Console.ReadKey();
        }

        public static void Gs()
        {
            Console.WriteLine("异步方法1");
        }

        public static void Ks()
        {
            Console.WriteLine("异步方法2");
        }
    }

上述代码中，调用了Stop()方法，我们都知道，如果是同步执行的，调用Stop()后，会立即停止执行，那么程序只会输出索引值为0的结果。而在异步中不是这样的，异步迭代是多线程且没有顺序的。其执行结果如下：

多次执行的结果可能不同。

如上图所示，第一个图开辟了三个线程，执行顺序为 0 2 1，第二个图开辟了两个线程，执行顺序为：1 0 

下面的Invoke()方法是异步调用其他的方法，在此不作解释，可参考C# Invoke()

设置开启的线程的个数：

  Parallel.ForEach(NameArray,new ParallelOptions{MaxDegreeOfParallelism=3},(item,pls,i)=>
            {
               
           });

@陈卧龙的博客