用于对内存中的数据做并行运算，也就是说其只支持 LINQ to Object 的并行运算
一、AsParallel(并行化）
就是在集合后加个AsParallel()。
例如：
var numbers = Enumerable.Range(0, 100); var result = numbers.AsParallel().AsOrdered().Where(i => i % 2 == 0); foreach (var i in result) Console.WriteLine(i);
下面我们模拟给ConcurrentDictionary灌入1500w条记录，看看串行和并行效率上的差异，注意我的老爷机是2个硬件线程。
static void Main(string[] args)
{
var dic = LoadData();
Stopwatch watch = new Stopwatch();
watch.Start();
//串行执行
var query1 = (from n in dic.Values
where n.Age > 20 && n.Age < 25
select n).ToList();
watch.Stop();
Console.WriteLine("串行计算耗费时间：{0}", watch.ElapsedMilliseconds);
watch.Restart();
var query2 = (from n in dic.Values.AsParallel()
where n.Age > 20 && n.Age < 25
select n).ToList();
watch.Stop();
Console.WriteLine("并行计算耗费时间：{0}", watch.ElapsedMilliseconds);
Console.Read();
}
public static ConcurrentDictionary LoadData()
{
ConcurrentDictionary dic = new ConcurrentDictionary();
//预加载1500w条记录
Parallel.For(0, 15000000, (i) =>
{
var single = new Student()
{
ID = i,
Name = "hxc" + i,
Age = i % 151,
CreateTime = DateTime.Now.AddSeconds(i)
};
dic.TryAdd(i, single);
});
return dic;
}
public class Student
{
public int ID { get; set; }
public string Name { get; set; }
public int Age { get; set; }
public DateTime CreateTime { get; set; }
}
orderby,sum(),average()等等这些聚合函数都是实现了并行化。
二、指定并行度
这个我在前面文章也说过，为了不让并行计算占用全部的硬件线程，或许可能要留一个线程做其他事情。
var query2 = (from n in dic.Values.AsParallel().WithDegreeOfParallelism(Environment.ProcessorCount - 1)
where n.Age > 20 && n.Age < 25
orderby n.CreateTime descending
select n).ToList();
三、了解ParallelEnumerable类
首先这个类是Enumerable的并行版本，提供了很多用于查询实现的一组方法，下图为ParallelEnumerable类的方法，记住他们都是并行的。
ConcurrentBagbag = new ConcurrentBag (); var list = ParallelEnumerable.Range (0, 10000); list.ForAll((i) => { bag.Add(i); }); Console.WriteLine("bag集合中元素个数有:{0}", bag.Count); Console.WriteLine("list集合中元素个数总和为:{0}", list.Sum()); Console.WriteLine("list集合中元素最大值为:{0}", list.Max()); Console.WriteLine("list集合中元素第一个元素为:{0}", list.FirstOrDefault());
四、plinq实现MapReduce算法
mapReduce是一个非常流行的编程模型，用于大规模数据集的并行计算，非常的牛X啊，记得mongodb中就用到了这个玩意。
- map： 也就是“映射”操作，可以为每一个数据项建立一个键值对，映射完后会形成一个键值对的集合。
- reduce：“化简”操作，我们对这些巨大的“键值对集合“进行分组，统计等等。
下面我举个例子，用Mapreduce来实现一个对age的分组统计。
static void Main(string[] args)
{
List list = new List()
{
new Student(){ ID=1, Name="jack", Age=20},
new Student(){ ID=1, Name="mary", Age=25},
new Student(){ ID=1, Name="joe", Age=29},
new Student(){ ID=1, Name="Aaron", Age=25},
};
//这里我们会对age建立一组键值对
var map = list.AsParallel().ToLookup(i => i.Age, count => 1);
//化简统计
var reduce = from IGrouping singleMap
in map.AsParallel()
select new
{
Age = singleMap.Key,
Count = singleMap.Count()
};
///最后遍历
reduce.ForAll(i =>
{
Console.WriteLine("当前Age={0}的人数有:{1}人", i.Age, i.Count);
});
}
public class Student
{
public int ID { get; set; }
public string Name { get; set; }
public int Age { get; set; }
public DateTime CreateTime { get; set; }
}
考虑一个简单的例子，现有一个容量为1000000的单词集，需要我们以降序列出其中出现次数超过100000的单词（和其次数）。Map过程，使用PLINQ将集合按单词分组，这里使用了Lookup容器接口，它与Dictionary类似，但是提供的是键-值集映射；Reduce过程，使用PLINQ归约查询即可。
某一次运行结果如下：
Word: you, Count: 142416
Word: van, Count: 115816
Word: next, Count: 110228
到此这篇关于C#并行编程之PLINQ(并行LINQ)的文章就介绍到这了。希望对大家的学习有所帮助，也希望大家多多支持脚本之家。