Parallel.ForEach vs Task.Factory.StartNew

Question

以下代码段之间有什么区别？两个都不会使用线程池线程吗？

例如，如果我想为集合中的每个项目调用一个函数，

Parallel.ForEach<Item>(items, item => DoSomething(item));

vs

foreach(var item in items)
{
  Task.Factory.StartNew(() => DoSomething(item));
}

Answer 1

第一个是更好的选择。

Parallel.ForEach在内部使用Partitioner<T>将您的集合分发到工作项中。它不会对每个项目执行一项任务，而是批量处理以降低所涉及的开销。

第二个选项会在您的收藏中为每个项目安排一个Task。虽然结果将（几乎）相同，但这将引入远远超过必要的开销，特别是对于大型集合，并导致整体运行时间变慢。

仅供参考 - 如果需要，可以使用适当的overloads to Parallel.ForEach来控制使用的分区程序。有关详细信息，请参阅MSDN上的Custom Partitioners。

在运行时，主要的区别是第二个将异步。这可以使用Parallel.ForEach复制：

Task.Factory.StartNew( () => Parallel.ForEach<Item>(items, item => DoSomething(item)));

通过这样做，您仍然可以利用分区程序，但在操作完成之前不要阻塞。

Answer 2

我做了一个小实验，用“Parallel.For”运行方法“1000000000”次，用“Task”对象运行一次。

我测量了处理器时间，发现Parallel效率更高。 Parallel.For将您的任务划分为小工作项，并以最佳方式并行地在所有核上执行它们。虽然创建大量任务对象（FYI TPL将在内部使用线程池）将在每个任务上执行每次执行，从而在框中产生更多压力，这从下面的实验中可以看出。

我还创建了一个解释基本TPL的小视频，并演示了与正常任务和线程相比，Parallel.For如何更有效地利用核心http://www.youtube.com/watch?v=No7QqSc5cl8。

实验1

Parallel.For(0, 1000000000, x => Method1());

实验2

for (int i = 0; i < 1000000000; i++)
{
    Task o = new Task(Method1);
    o.Start();
}

Answer 3

Parallel.ForEach将优化（甚至可能不启动新线程）并阻塞直到循环结束，Task.Factory将为每个项显式创建一个新的任务实例，并在它们完成之前返回（异步任务）。 Parallel.Foreach效率更高。

Answer 4

在我看来，最现实的情况是任务需要繁重的操作才能完成。 Shivprasad的方法更多地关注对象创建/内存分配而不是计算本身。我做了一个研究，调用以下方法：

public static double SumRootN(int root)
{
    double result = 0;
    for (int i = 1; i < 10000000; i++)
        {
            result += Math.Exp(Math.Log(i) / root);
        }
        return result; 
}

执行此方法大约需要0.5秒。

我使用Parallel调用它200次：

Parallel.For(0, 200, (int i) =>
{
    SumRootN(10);
});

然后我用老式的方式打了200次电话：

List<Task> tasks = new List<Task>() ;
for (int i = 0; i < loopCounter; i++)
{
    Task t = new Task(() => SumRootN(10));
    t.Start();
    tasks.Add(t);
}

Task.WaitAll(tasks.ToArray()); 

第一个案例在26656ms完成，第二个案例在24478ms完成。我重复了很多次。每次第二种方法都快得多。