Parallel.ForEach与Task.Factory.StartNew

以下代码段之间有什么区别？不会都使用线程池线程吗？

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));
}

第一个是更好的选择。

在内部，Parallel.ForEach使用a Partitioner<T>将您的集合分发到工作项中。它不会为每个项目执行一项任务，而是分批执行此任务以降低所涉及的开销。

第二个选项将安排一个 Task您的收藏中的每个项目。尽管结果（几乎）是相同的，但是这将带来不必要的额外开销，尤其是对于大型集合而言，这将导致整体运行时间变慢。

仅供参考- 如果需要，可以通过对Parallel.ForEach使用适当的重载来控制使用的Partitioner 。有关详细信息，请参阅MSDN上的“ 自定义分区程序 ”。

在运行时的主要区别是第二个将异步执行。可以使用Parallel.ForEach通过执行以下操作来复制它：

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

这样，您仍然可以利用分区程序，但是在操作完成之前不要阻塞。

我做了一个小实验，使用“ Parallel.For”和“ Task”对象运行方法“ 1,000,000,000（十亿）”次。

我测量了处理器时间，发现并行效率更高。Parallel.For将您的任务划分为多个小的工作项，并以最佳方式在所有内核上并行执行它们。在创建许多任务对象时（FYI TPL将在内部使用线程池）将移动每个任务的每次执行，从而在框中产生更大的压力，这从下面的实验中可以明显看出。

我还制作了一个小视频，解释了基本的TPL，还演示了Parallel.For如何更有效地利用您的内核http://www.youtube.com/watch?v=No7QqSc5cl8与常规任务和线程相比。

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();
}

Parallel.ForEach将优化（甚至可能不会启动新线程）并阻塞直到循环完成，而Task.Factory将为每个项目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。

在我看来，最现实的情况是任务需要完成繁重的操作。Shivprasad的方法更多地关注对象创建/内存分配，而不是计算本身。我进行了一项研究，研究了以下方法：

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调用了200次：

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

然后我用老式的方法调用了200次：

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()); 

第一起案件在26656毫秒内完成，第二起案件在24478毫秒内完成。我重复了很多次。每当第二种方法稍快一些时。