.NET 4.0 引入 System.Threading.Tasks.Parallel,讓資料並行 (Data Parallelism) 變得極簡單:將 `for`/`foreach` 迴圈平行化到多核心 CPU,無需手動管理執行緒。
Parallel.For(0, 100, i =>
{
DoSomething(i); // 每次迭代獨立,自動分派到 ThreadPool
});
避免共用變數鎖定開銷,每個執行緒維護區域累加器,最後合併。
long sum = 0;
Parallel.For<long>(0, list.Count,
() => 0L, // 初始區域值
(i, loop, localSum) => // 主體
{
localSum += list[i];
return localSum;
},
localSum => Interlocked.Add(ref sum, localSum) // 合併
);
Parallel.For(0, 100, (i, loopState) =>
{
if (FoundTarget(i))
{
loopState.Break(); // 完成目前迭代及之前索引的迭代,再停止 (保持順序語意)
// loopState.Stop(); // 盡快停止所有執行緒,不保證順序
}
DoWork(i);
});
// 簡單版
Parallel.ForEach(items, item => Process(item));
// 帶區域狀態版
Parallel.ForEach(items,
() => 0,
(item, loop, local) => { local += Compute(item); return local; },
local => Interlocked.Add(ref total, local));
int n = 10_000_000;
var list = Enumerable.Range(0, n).ToList();
var sw1 = Stopwatch.StartNew();
Parallel.For(0, n, i => { var r = new Random(i); list[i] = r.Next(); });
Console.WriteLine($"Parallel: {sw1.ElapsedMilliseconds} ms");
var sw2 = Stopwatch.StartNew();
for (int i = 0; i < n; i++) { var r = new Random(i); list[i] = r.Next(); }
Console.WriteLine($"Sequential: {sw2.ElapsedMilliseconds} ms");
典型四核心筆電結果:
Parallel ~ 1,200 ms vs Sequential ~ 3,800 ms (加速比 ~3.2x)。
實際加速比取決於 CPU 核心數、工作負載類型 (CPU-bound vs I/O-bound)、記憶體頻寬、ThreadPool 飽和度。
| 情境 | 建議 |
|---|---|
| CPU 密集、迭代獨立、資料量大 | ✅ Parallel 極佳 |
| I/O 密集 (DB、HTTP、檔案) | ⚠️ 改用 `async/await` + `SemaphoreSlim` 限制並發 |
| 迭代間有相依/共寫共享狀態 | ❌ 需鎖定或改用串列,Parallel 反而變慢 |
| 小資料量 (< 1000) | ❌ 啟動開銷大於收益,直接循序 |
// 針對非均勻負載,使用 Partitioner.Create 動態分區
var partitioner = Partitioner.Create(0, n, chunkSize: 1000);
Parallel.ForEach(partitioner, range =>
{
for (int i = range.Item1; i < range.Item2; i++) DoWork(i);
});