编辑“︁C Sharp 数据并行”︁（章节）

= C#数据并行 =

== 介绍 ==
'''数据并行'''是并行编程的一种范式，指对数据集中的每个元素独立执行相同的操作。在C#中，数据并行主要通过<code>System.Threading.Tasks.Parallel</code>类和PLINQ（Parallel LINQ）实现。它适用于计算密集型任务，能够显著提高多核CPU的利用率。

数据并行的核心特点是：
* 将数据集分割为多个独立分区
* 每个分区由不同的线程处理
* 最终合并处理结果

与任务并行（处理不同任务）不同，数据并行专注于对同一操作应用到大容量数据上。

== Parallel.For 和 Parallel.ForEach ==

C#提供了两种主要的数据并行结构：

=== Parallel.For ===
用于并行执行for循环迭代，语法类似常规for循环：

<syntaxhighlight lang="csharp">
using System;
using System.Threading.Tasks;

class Program
{
    static void Main()
    {
        int[] data = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 };
        
        Parallel.For(0, data.Length, i => 
        {
            data[i] = data[i] * 2;
            Console.WriteLine($"Processing index {i} on thread {Task.CurrentId}");
        });
        
        Console.WriteLine("Result:");
        foreach (var item in data)
        {
            Console.Write(item + " ");
        }
    }
}
</syntaxhighlight>

'''输出示例'''（顺序可能不同）：
 Processing index 2 on thread 1
 Processing index 0 on thread 3
 Processing index 5 on thread 2
 Processing index 8 on thread 4
 Processing index 1 on thread 5
 Processing index 6 on thread 6
 Processing index 3 on thread 7
 Processing index 7 on thread 8
 Processing index 4 on thread 9
 Processing index 9 on thread 10
 Result:
 2 4 6 8 10 12 14 16 18 20 

=== Parallel.ForEach ===
用于并行处理集合中的每个元素：

<syntaxhighlight lang="csharp">
List<string> urls = new List<string> 
{
    "https://example.com/page1",
    "https://example.com/page2",
    // ...更多URL
};

Parallel.ForEach(urls, url => 
{
    DownloadData(url); // 假设的下载方法
});
</syntaxhighlight>

== 并行选项 ==

可以通过<code>ParallelOptions</code>配置并行行为：

<syntaxhighlight lang="csharp">
var options = new ParallelOptions
{
    MaxDegreeOfParallelism = Environment.ProcessorCount / 2, // 使用一半CPU核心
    CancellationToken = cancellationToken
};

Parallel.For(0, 100, options, i => 
{
    // 计算密集型工作
});
</syntaxhighlight>

== PLINQ (Parallel LINQ) ==

PLINQ将LINQ查询并行化，只需添加<code>.AsParallel()</code>：

<syntaxhighlight lang="csharp">
var source = Enumerable.Range(1, 10000);

// 并行查询
var evenNumbers = source.AsParallel()
                       .Where(x => x % 2 == 0)
                       .Select(x => Math.Pow(x, 2))
                       .ToList();
</syntaxhighlight>

== 线程安全注意事项 ==

数据并行需要特别注意共享数据的访问：

<syntaxhighlight lang="csharp">
int sum = 0;
Parallel.For(0, 1000, i => 
{
    Interlocked.Add(ref sum, i); // 线程安全操作
    // 等同于 lock 保护的 sum += i
});
</syntaxhighlight>

== 性能考量 ==

数据并行并不总是更快，需要考虑：
* '''开销'''：并行化本身有开销，小数据集可能得不偿失
* '''内存局部性'''：连续内存访问通常更快
* '''负载均衡'''：确保工作均匀分配

<mermaid>
graph TD
    A[开始并行操作] --> B{数据集大小>阈值?}
    B -->|是| C[分割数据集]
    B -->|否| D[顺序处理]
    C --> E[并行处理分区]
    E --> F[合并结果]
    F --> G[结束]
    D --> G
</mermaid>

== 实际应用案例 ==

'''图像处理'''是数据并行的典型应用。例如并行应用滤镜：

<syntaxhighlight lang="csharp">
void ApplyFilterParallel(byte[] pixels, Func<byte, byte> filter)
{
    Parallel.For(0, pixels.Length, i => 
    {
        pixels[i] = filter(pixels[i]);
    });
}
</syntaxhighlight>

'''科学计算'''中矩阵运算也常使用数据并行：

<math>
\begin{pmatrix}
a_{11} & \cdots & a_{1n} \\
\vdots & \ddots & \vdots \\
a_{m1} & \cdots & a_{mn}
\end{pmatrix}
+
\begin{pmatrix}
b_{11} & \cdots & b_{1n} \\
\vdots & \ddots & \vdots \\
b_{m1} & \cdots & b_{mn}
\end{pmatrix}
=
\begin{pmatrix}
a_{11}+b_{11} & \cdots & a_{1n}+b_{1n} \\
\vdots & \ddots & \vdots \\
a_{m1}+b_{m1} & \cdots & a_{mn}+b_{mn}
\end{pmatrix}
</math>

并行实现矩阵加法：

<syntaxhighlight lang="csharp">
double[,] MatrixAddParallel(double[,] a, double[,] b)
{
    int rows = a.GetLength(0);
    int cols = a.GetLength(1);
    double[,] result = new double[rows, cols];
    
    Parallel.For(0, rows, i => 
    {
        for (int j = 0; j < cols; j++)
        {
            result[i, j] = a[i, j] + b[i, j];
        }
    });
    
    return result;
}
</syntaxhighlight>

== 最佳实践 ==

1. '''测量性能'''：始终比较并行和顺序版本的性能
2. '''避免过度并行化'''：MaxDegreeOfParallelism通常设为CPU核心数
3. '''减少共享状态'''：尽量使用局部变量
4. '''处理异常'''：使用AggregateException处理并行操作中的异常

== 总结 ==

C#数据并行提供了强大的工具来处理计算密集型任务：
* 使用Parallel.For/ForEach进行循环并行化
* 使用PLINQ并行化LINQ查询
* 注意线程安全和性能优化
* 适合大规模数据处理和计算密集型应用

正确使用时，数据并行可以显著提高应用程序性能，特别是在多核处理器上。

[[Category:编程语言]]
[[Category:C Sharp]]
[[Category:C Sharp 并发与多线程]]