using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Net; using System.Threading.Tasks; using System.Collections.Concurrent; namespace ConsoleApplication1 { class Program { /* * 测试分析结果 * Parallel.For、Parallel.Foreach发挥出了平行运算的优势,将效率提高了接近一半左右。 * * 测试总结 * 对于Parallel.For、Parallel.Foreach的使用应该要特别小心, * 它们的优势是处理列表很长,且对列表内的元素进行很复杂的业务逻辑,且不会使用共享资源, * 只针对自身的业务逻辑处理,方才能提升效率。 * 因为如果逻辑过于简单的话,创建线程的花费将大于业务执行的花费,得不偿失。 */ static void Main(string[] args) { //产生测试资料 List<int> testData = new List<int>(); Random Rand = new Random(); //产生乱数列表 for (int i = 0; i < 1000000; i++) { testData.Add(Rand.Next(1000)); } //打印正确结果 Console.WriteLine(testData.Sum()); for (int i = 0; i < 5; i++) { Console.WriteLine(); TestFor(testData); TestParallelFor(testData); TestParallelForeach(testData); } Console.ReadKey(); } static void TestFor(List<int> testData) { DateTime time1 = DateTime.Now; foreach (var item in testData) { item.ToString(); } Console.WriteLine(string.Format("ForEach: t{0} in {1}", testData.Sum(), (DateTime.Now - time1).TotalMilliseconds)); } static void TestParallelFor(List<int> testData) { DateTime time1 = DateTime.Now; Parallel.For(0, testData.Count, (i, loopState) => { testData[i].ToString(); }); Console.WriteLine(string.Format("Parallel.For: t{0} in {1}", testData.Sum(), (DateTime.Now - time1).TotalMilliseconds)); } static void TestParallelForeach(List<int> testData) { //记录结果用 DateTime time1 = DateTime.Now; ConcurrentStack<int> resultData = new ConcurrentStack<int>(); Parallel.ForEach(testData, (item, loopState) => { item.ToString(); }); Console.WriteLine(string.Format("Parallel.ForEach:t{0} in {1}", testData.Sum(), (DateTime.Now - time1).TotalMilliseconds)); } } }