隨著Visual Studio 2010正式版的發(fā)布，我們已經(jīng)可以用上.NET 4的所有功能。那么對(duì)于并行計(jì)算的嘗試，是本文的重點(diǎn)。51CTO向您推薦《F#函數(shù)式編程語(yǔ)言》，以便于您全方位了解.NET 4中不同的部分。

我們都知道CPU的性能至關(guān)重要，但主頻已經(jīng)越來(lái)越難以提升，縱向發(fā)展受限的情況下，橫向發(fā)展成為必然——核心數(shù)開(kāi)始越來(lái)越多。然而多核心的利用、并行計(jì)算一直是編程中的難題，大的不說(shuō)，就說(shuō)代碼的編寫(xiě)，程序員大多都有過(guò)痛苦的經(jīng)歷：多線程的程序代碼量大，編寫(xiě)復(fù)雜，容易出錯(cuò)，并且實(shí)際運(yùn)行效率是否理想也較難保證。

為改善這種狀況，.NET 4.0中引入了 TPL(任務(wù)并行庫(kù))，關(guān)于TPL，MSDN的簡(jiǎn)介是：

任務(wù)并行庫(kù) (TPL) 的設(shè)計(jì)是為了能更簡(jiǎn)單地編寫(xiě)可自動(dòng)使用多處理器的托管代碼。使用該庫(kù)，您可以非常方便地用現(xiàn)有序列代碼表達(dá)潛在并行性，這樣序列代碼中公開(kāi)的并行任務(wù)將會(huì)在所有可用的處理器上同時(shí)運(yùn)行。通常這會(huì)大大提高速度。

簡(jiǎn)而言之，TPL提供了一系列的類庫(kù)，可以使編寫(xiě)并行運(yùn)算的代碼更簡(jiǎn)單和方便。

說(shuō)起來(lái)很簡(jiǎn)單，我們來(lái)看點(diǎn)例子：

void ThreadpoolMatrixMult(int size, double[,] m1, double[,] m2,   
     double[,] result)  
 {  
   int N = size;                             
int P = 2 * Environment.ProcessorCount; // assume twice the procs for   
                                       // good work distribution  
   int Chunk = N / P;                  // size of a work chunk  
   AutoResetEvent signal = new AutoResetEvent(false);   
   int counter = P;                      // use a counter to reduce   
                                        // kernel transitions      
  for (int c = 0; c < P; c++) {         // for each chunk  
    ThreadPool.QueueUserWorkItem(delegate(Object o)  
    {  
      int lc = (int)o;  
  for (int i = lc * Chunk;           // iterate through a work chunk  
     i < (lc + 1 == P ? N : (lc + 1) * Chunk); // respect upper   
                                               // bound  
           i++) {  
        // original inner loop body  
        for (int j = 0; j < size; j++) {  
          result[i, j] = 0;  
          for (int k = 0; k < size; k++) {  
            result[i, j] += m1[i, k] * m2[k, j];  
          }  
        }  
      }  
   if (Interlocked.Decrement(ref counter) == 0) { // use efficient   
                                                // interlocked   
                                               // instructions        
        signal.Set();  // and kernel transition only when done  
      }  
    }, c);   
  }  
  signal.WaitOne();  
} 

很眼熟但同時(shí)看著也很心煩的代碼吧。在換用TPL后，上面的代碼就可以簡(jiǎn)化為：

void ParMatrixMult(int size, double[,] m1, double[,] m2, double[,] result)  
 {  
   Parallel.For( 0, size, delegate(int i) {  
     for (int j = 0; j < size; j++) {  
      result[i, j] = 0;  
       for (int k = 0; k < size; k++) {  
         result[i, j] += m1[i, k] * m2[k, j];  
       }  
     }  
  });  
} 

舒服多了吧？具體的內(nèi)容請(qǐng)見(jiàn)MSDN的文章 優(yōu)化多核計(jì)算機(jī)的托管代碼。

裝好正式版的VS2010以后，寫(xiě)了段代碼來(lái)測(cè)試下，TPL究竟好不好用。

代碼很簡(jiǎn)單，拿一條字符串和一堆字符串里的每一條分別用LevenshteinDistance算法做字符串相似程度比對(duì)。先用傳統(tǒng)的順序執(zhí)行的代碼跑一遍，記錄下時(shí)間；再換用TPL的并行代碼跑一遍，記錄下時(shí)間。然后比對(duì)兩次運(yùn)行的時(shí)間差異。

using System;  
  using System.Collections.Generic;  
  using System.Linq;  
  using System.Text;  
  using System.Threading.Tasks;  
  using System.Diagnostics;  
    
  namespace ParallelLevenshteinDistance  
  {  
     class Program  
     {  
         static void Main(string[] args)  
         {  
             Stopwatch sw;  
   
             int length;  
             int count;  
             string[] strlist;  
             int[] steps;  
             string comparestring;  
   
             Console.WriteLine("Input string lenth:");  
             length = int.Parse(Console.ReadLine());  
   
             Console.WriteLine("Input string list count:");  
             count = int.Parse(Console.ReadLine());  
   
             comparestring = GenerateRandomString(length);  
             strlist = new string[count];  
             steps = new int[count];  
   
             // prepare string[] for comparison  
             Parallel.For(0, count, delegate(int i)  
             {  
                 strlist[i] = GenerateRandomString(length);  
             });  
   
             Console.WriteLine("{0}Computing...{0}", Environment.NewLine);  
   
             // sequential comparison  
             sw = Stopwatch.StartNew();  
             for (int i = 0; i < count; i++)  
             {  
                 steps[i] = LevenshteinDistance(comparestring, strlist[i]);  
             }  
             sw.Stop();  
             Console.WriteLine("[Sequential] Elapsed:");  
             Console.WriteLine(sw.Elapsed.ToString());  
   
             // parallel comparison  
             sw = Stopwatch.StartNew();  
             Parallel.For(0, count, delegate(int i)  
             {  
                 steps[i] = LevenshteinDistance(comparestring, strlist[i]);  
             });  
             sw.Stop();  
             Console.WriteLine("[Parallel] Elapsed:");  
             Console.WriteLine(sw.Elapsed.ToString());  
                           
             Console.ReadLine();  
         }  
   
         private static string GenerateRandomString(int length)  
         {  
             Random r = new Random((int)DateTime.Now.Ticks);  
             StringBuilder sb = new StringBuilder(length);  
             for (int i = 0; i < length; i++)  
             {  
                int c = r.Next(97, 123);  
                 sb.Append(Char.ConvertFromUtf32(c));  
             }  
             return sb.ToString();  
         }  
   
         private static int LevenshteinDistance(string str1, string str2)  
         {  
             int[,] scratchDistanceMatrix = new int[str1.Length + 1, str2.Length + 1];  
             // distance matrix contains one extra row and column for the seed values              
             for (int i = 0; i <= str1.Length; i++) scratchDistanceMatrix[i, 0] = i;  
             for (int j = 0; j <= str2.Length; j++) scratchDistanceMatrix[0, j] = j;  
   
             for (int i = 1; i <= str1.Length; i++)  
             {  
                 int str1Index = i - 1;  
                 for (int j = 1; j <= str2.Length; j++)  
                 {  
                     int str2Index = j - 1;  
                     var cost = (str1[str1Index] == str2[str2Index]) ? 0 : 1;  
   
                     int deletion = (i == 0) ? 1 : scratchDistanceMatrix[i - 1, j] + 1;  
                     int insertion = (j == 0) ? 1 : scratchDistanceMatrix[i, j - 1] + 1;  
               int substitution = (i == 0 || j == 0) ? cost : scratchDistanceMatrix[i - 1, j - 1] + cost;  
   
                     scratchDistanceMatrix[i, j] = Math.Min(Math.Min(deletion, insertion), substitution);  
   
                     // Check for Transposition  
  if (i > 1 && j > 1 && (str1[str1Index] == str2[str2Index - 1]) && (str1[str1Index - 1] == str2[str2Index]))  
                     {  
scratchDistanceMatrix[i, j] = Math.Min(scratchDistanceMatrix[i, j], scratchDistanceMatrix[i - 2, j - 2] + cost);  
                    }  
                }  
            }  
 
            // Levenshtein distance is the bottom right element  
            return scratchDistanceMatrix[str1.Length, str2.Length];  
        }  
 
    }  
}  

這里只用了最簡(jiǎn)單的 Parallel.For 方法，代碼很簡(jiǎn)單和隨意，但是看看效果還是可以的。

測(cè)試機(jī)找了不少，喜歡硬件的朋友興許也能找到你感興趣的:P

Intel Core i7 920 (4物理核心8邏輯核心，2.66G) + DDR3 1600 @ 7-7-7-24

AMD Athlon II X4 630 (4物理核心，2.8G) + DDR3 1600 @ 8-8-8-24

AMD Athlon II X2 240 (2物理核心，2.8G) + DDR2 667

Intel Core E5300 (2物理核心，2.33G) + DDR2 667

Intel Atom N270 (1物理核心2邏輯核心，1.6G) + DDR2 667

還在VM workstation里跑過(guò)，分別VM了XP和WIN7，都跑在上述i7的機(jī)器里，各自分配了2個(gè)核心。

程序設(shè)置每個(gè)字符串長(zhǎng)1000個(gè)字符，共1000條字符串。

每個(gè)機(jī)器上程序都跑了3遍，取平均成績(jī)，得到下表：

可見(jiàn)，在多核心處理器上，并行計(jì)算的執(zhí)行速度都得到了大幅提升，即便是在單核心超線程出2個(gè)邏輯核的Atom N270上亦縮短了32.55%的運(yùn)行時(shí)間。在A240上并行計(jì)算的效率竟然是順序計(jì)算的204.87% ？！而同樣是4核心，i7 920在超線程的幫助下，并行執(zhí)行效率提升明顯高過(guò)A630。最后VM里的測(cè)試，是否也可以在某種程度上佐證在多核心的調(diào)度上，Win7要強(qiáng)過(guò)XP呢（純猜測(cè)）？順帶可以看到，同樣是i7的硬件環(huán)境，單線程宿主OS(Win7)里執(zhí)行花費(fèi)55.133秒，VM(Win7)里56.965秒，速度上有約3%的差異。

另外，針對(duì)性能較強(qiáng)的i7處理器，加大程序中的2個(gè)變量后再做測(cè)試，并行執(zhí)行的效率比得到了進(jìn)一步的提升。應(yīng)該是因?yàn)閯?chuàng)建/管理/銷毀多線程的開(kāi)銷被進(jìn)一步的攤平的緣故。例如在每字符串2000個(gè)字符，共2000條字符串的情況下，順序執(zhí)行和并行執(zhí)行的時(shí)間分別是07:20.9679066和01:47.7059225，消耗時(shí)間比達(dá)到了409.42%。

 來(lái)幾張截圖：

從截圖中可以發(fā)現(xiàn)，這段測(cè)試程序在順序執(zhí)行的部分，內(nèi)存占用相對(duì)平穩(wěn)，CPU則大部分核心處在比較空閑的狀態(tài)。到了并行執(zhí)行部分，所有核心都如預(yù)期般被調(diào)動(dòng)起來(lái)，同時(shí)內(nèi)存占用開(kāi)始出現(xiàn)明顯波動(dòng)。附圖是在每字符串2000個(gè)字符，共2000條字符串的情況下得到的。

 這里只是非常局部和簡(jiǎn)單的一個(gè)測(cè)試，目的是希望能帶來(lái)一個(gè)直觀的體驗(yàn)。微軟已經(jīng)提供了一組不錯(cuò)的例子可供參考 Samples for Parallel Programming with the .NET Framework 4  

原文標(biāo)題：小試 .NET 4.0 之 并行計(jì)算

鏈接：http://www.cnblogs.com/Elvin/archive/2010/04/20/1716258.html

【編輯推薦】

1. 使用ASP.NET 4的自動(dòng)啟動(dòng)特性
2. 詳解.NET 4.0并行計(jì)算支持歷史
3. 詳讀.NET 4.0環(huán)境配置
4. 詳解.NET 4.0中異常處理方面的新特性
5. 三方面詮釋.NET 4.0的新特性