C# Parallel.ForEach vs.Task.Factory.StartNew

以下代码片段之间有什么区别？两个线程不是都使用线程池线程吗

例如，如果我想为集合中的每个项调用函数

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

vs

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

Parallel.ForEach（items，item=>DoSomething（item））；
vs
foreach（项目中的var项目）
{
Task.Factory.StartNew（（）=>DoSomething（项目））；
}

第一个是更好的选择

Parallel.ForEach在内部使用将集合分发到工作项中。它不会对每个项目执行一项任务，而是对其进行批处理以降低所涉及的开销

第二个选项将为集合中的每个项目安排一个

任务。虽然结果（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，并导致总体运行时变慢

仅供参考-如果需要，可通过使用适当的控制器控制所使用的分区器。有关详细信息，请参阅MSDN上的

在运行时，主要的区别是第二个将异步运行。可以使用Parallel.ForEach通过执行以下操作来复制：

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

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

通过这样做，您仍然可以利用分区器，但在操作完成之前不要阻塞。
Parallel.ForEach将进行优化（甚至可能不会启动新线程）并阻塞，直到循环完成，而Task.Factory将显式为每个项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。
我做了一个小实验，用“Parallel.For”和“Task”对象分别运行方法“100000000（十亿）”次

我测量了处理器时间，发现并行处理效率更高。Parallel.For将任务划分为小的工作项，并以最佳方式在所有内核上并行执行。在创建大量任务对象时（仅供参考，TPL将在内部使用线程池）将移动每个任务的每次执行，在框中产生更多的压力，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，并演示了Parallel.For如何比普通任务和线程更有效地利用核心

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();
}

for（int i=0；i<100000000；i++）
{
任务o=新任务（方法1）；
o、 Start（）；
}

在我看来，最现实的情况是任务需要完成繁重的操作。Shivprasad的方法更注重对象创建/内存分配，而不是计算本身。我进行了一项研究，称之为以下方法：

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; 
}

然后我用传统的方式叫了200遍：

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()); 

List tasks=newlist（）；
for（int i=0；iSumRootN（10））；
t、 Start（）；
任务。添加（t）；
}
Task.WaitAll（tasks.ToArray（））；

第一个案例用26656ms完成，第二个案例用24478ms完成。我重复了很多次。每次第二种方法都稍微快一些。
IIRC，默认分区由Parallel.ForEach完成。ForEach还考虑了可用的硬件线程数，使您无需计算出启动的最佳任务数。请查看Microsoft的文章；里面对所有这些东西都有很好的解释。@Mal:有点……这实际上不是分区器，而是TaskScheduler的工作。TaskScheduler默认使用新的线程池，现在处理得很好。谢谢。我知道我应该留在“我不是专家，但是…”警告中。：）@ReedCopsey：如何将通过Parallel.ForEach启动的任务附加到包装器任务？因此，当您对包装器任务调用.Wait（）时，它将挂起，直到并行运行的任务完成为止？@Tarkus如果您发出多个请求，最好在每个工作项（在并行循环中）中使用HttpClient.GetString。没有理由在已经并发的循环中添加异步选项，通常情况下……这样会更有效，而且创建线程的成本也更高。实验2是一个非常糟糕的做法。@Georgi It请关注更多关于什么是不好的内容。很抱歉，我的错误，我应该澄清一下。我的意思是在100000000的循环中创建任务。开销是无法想象的。更不用说并行程序一次不能创建超过63个任务，这使得它在这种情况下更加优化。100000000个任务也是如此。然而，当我处理一个图像（重复缩放分形）并并行处理时，许多内核在等待最后一个线程完成时处于空闲状态。为了加快速度，我自己将数据细分为64个工作包，并为其创建了任务。（然后Task.WaitAll等待完成。）这个想法是让空闲线程拿起一个工作包来帮助完成工作，而不是等待1-2个线程完成（Parallel.for）分配的块。在这个例子中，
Mehthod1（）
做什么？使用Parallel.for是一种老式的方法。对于不统一的工作单元，建议使用任务。Microsoft MVP和TPL的设计者也提到，使用任务将更有效地使用线程，即在等待其他单元完成时不会阻塞那么多线程。
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());