【C#】并行编程实战：实现数据并行（4）

         本章继续学习实现数据并行，本文主要介绍并行循环中的线程存储。这也是本章节的最后一篇。

        本教程对应学习工程：魔术师Dix / HandsOnParallelProgramming · GitCode        

---

5、了解并行循环中的线程存储

        默认情况下，所有并行循环都可以访问全局变量。但是，访问全局变量是有同步开销的，因此，尽可能使用线程内局部变量是有意义的。在并行循环中，可以创建和使用线程局部变量（Thread Local Varable，也称为线程本地变量）或分区局部变量（Partition Local Variable，也称分区本地变量）。

5.1、线程局部变量（Thread Local Varable）

        这里用到了一个 Parallel.For 的一个重载：

Parallel.For 方法 (System.Threading.Tasks) | Microsoft Learn执行 for 循环，其中可能会并行运行迭代。 https://learn.microsoft.com/zh-cn/dotnet/api/system.threading.tasks.parallel.for?view=netstandard-2.1#system-threading-tasks-parallel-for-1(system-int64-system-int64-system-threading-tasks-paralleloptions-system-func((-0))-system-func((system-int64-system-threading-tasks-parallelloopstate-0-0))-system-action((-0)))        示例代码如下：

        private void RunByThreadLocalVarable()
        {
            var options = new ParallelOptions { MaxDegreeOfParallelism = 3 };//最大并行度3
            Parallel.For(0, 11, options,//从0开始循环，循环11次（到10结束）
                () => 100,//第一次循环时的初始值
                (i, loop, ret) =>
                {
                    ret += i;
                    return ret;//返回给下一次循环的值
                }, TestFunction.OnTaskFinish);//最后运行完成的回调
        }

        迭代里面的方法很简单，就是单纯地累加。从0加到10，显然就是55。但是我们给每次循环的初始值是100，也就是每次迭代开始，就会从100开始计数。然后最大并行度为3，也就是最多会有 3 次线程并行。根据上述代码，我们人脑编译一下，运行结果应该是 100+100+100+55=355 （如果并行了3次）。

        跑一下代码：

         结果为 ：134+100+121=355，与理论相同。

5.2、分区局部变量（Partition Local Variable）

        分区局部变量与线程局部变量类似，区别在于其可以用于分区，这次用到的重载是这个：

Parallel.ForEach 方法 (System.Threading.Tasks) | Microsoft Learn执行 foreach（在 Visual Basic 中为 For Each ）操作，其中可能会并行运行迭代。 https://learn.microsoft.com/zh-cn/dotnet/api/system.threading.tasks.parallel.foreach?view=netstandard-2.1#system-threading-tasks-parallel-foreach-2(system-collections-concurrent-partitioner((-0))-system-threading-tasks-paralleloptions-system-func((-1))-system-func((-0-system-threading-tasks-parallelloopstate-1-1))-system-action((-1)))        这次需要加一个 Partitioner 的测试代码：

using System.Collections.Concurrent;
using System.Collections.Generic;
using UnityEngine;

namespace HOPP.Ch03
{
    /// 

    /// 测试用分区局部变量
    /// 
    public class PartitionerTest : Partitioner>
    {

        //这里共享一个列表，以观察线程竞争
        private List L = new List();

        public override bool SupportsDynamicPartitions => true;

        //这个方法在此示例中没有被调用过
        public override IList>> GetPartitions(int partitionCount)
        {
            Debug.Log($" GetPartitions {L.Count} | {partitionCount}");
            for (int i = 0; i < 10; i++)
                L.Add(i);
            return (IList>>)L;
        }

        //迭代：每次调用就添加一个值；
        public override IEnumerable> GetDynamicPartitions()
        {
            Debug.Log($"GetDynamicPartitions Start: {L.Count}");
            for (int i = 0; i < 10; i++)
            {
                L.Add(i);
                Debug.Log("Add Value : " + i);
                //Debug.Log($" GetDynamicPartitions {L.Count} ");
                yield return L;
            }

            Debug.Log($" GetDynamicPartitions  Last: {L.Count} ");
            yield return L;
        }

    }
}

Partitioner表示将数据源拆分为多个分区的特定方式。 https://learn.microsoft.com/zh-cn/dotnet/api/system.collections.concurrent.partitioner-1?view=netstandard-2.1        之后我们开始调用：

        private void RunByPartitionLocalVarable()
        {
            var partitioner = new PartitionerTest();
            var options = new ParallelOptions { MaxDegreeOfParallelism = 3 };//最大并行度3
            Parallel.ForEach(partitioner,
                options,
                () => 0,//第一次迭代时的初始值
                (L, loop, ret) =>
                {
                    //每次都将列表中的值汇总
                    ret = 0;
                    foreach (var item in L)
                        ret += item;
                    return ret;//返回给下一次循环的值
                }, TestFunction.OnTaskFinish);//最后运行完成的回调
        }

        可以想象的是，因为线程竞争，所以3次并行的结果都会有所差别，实际也是如此。我们直接看最后的结果打印：

         2个线程同步执行完成，打印出了结果105，最后一个线程结果135，最后一个完成。

---

本章总结

        本章详细介绍了使用任务并行库（TPL）实现数据并行的方式。

        这一章的实用性也很强了，而且已经开始涉及到数据的处理，但是这里还没有讲如何处理线程竞争的问题。不过通过这一章的学习，相信大家对多线程的运行模式已经有了更为深刻的理解。

        虽然本章提到了怎么分区，但是并没有很深入。要用好各种分区、局部变量策略，还需要继续深入学习。

         本教程对应学习工程：魔术师Dix / HandsOnParallelProgramming · GitCode