Parallel processing 根据处理器内核，我应该在.net中使用多少任务？

我有一个奔腾（R）双核CPU E5200 2/50GHz

这意味着我有两个核心。我开发了一种智能算法的并行方法

我通过将数据集拆分为X个部分（X=.net任务数）来实现数据并行。我为每个任务提供一组数据

我试过使用2、4、8和16个任务，但我看不到算法有任何改进。当然，该算法的并行方法比串行（原始）方法更快，但从2个任务到16个任务都没有改进。他们的表演都一样。我不知道我是否做错了什么，或者CPU的容量有那么大（任务的数量是多少并不重要？）

为了更实用，下面是我的一些代码，它们描述了我实际上在做什么：

  while (iteration < SOMState.Map.numbOfIterations)
        {
            netTasks.Clear(); // netTaks contains all the tasks that I creat inside the loop
            int tdd = 0;
            foreach (TasksData td in tasks)
            {
                int val = tdd;
                Task t1 = Task.Factory.StartNew(() => startParallelMethod(iteration, tasks[val], SOMState.dataset.GroupedData[val], tasks[val].Map, SOMState.dataset.GroupedDataDictionary[val]));
                netTasks.Add(t1);
                tdd++;
            }

         await Task.WhenAll(netTasks);
         // do some stuff here
         iteration++;
        }


    public void startParallelMethod(int iteration,TasksData task,List<GenerateDataSetFromCSV.Vector> dataset, Map map, Dictionary<int, List<Double>> dictionaryDataset)
    {
        // it performs some processing in here
    }

while（迭代startParallelMethod（迭代，tasks[val]，SOMState.dataset.GroupedData[val]，tasks[val].Map，SOMState.dataset.GroupedDataDictionary[val]）；
添加（t1）；
tdd++；
}
等待任务。WhenAll（netTasks）；
//在这里做些事情
迭代++；
}
public void startParallelMethod（int迭代、任务数据任务、列表数据集、地图映射、字典数据集）
{
//它在这里执行一些处理
}

一个任务是否使用处理器的一个核心

Environment.ProcessorCount给我2。这是否意味着无论任务的数量是多少，性能仍然会像我使用了2个任务一样

更新：

---

对于那些可能感兴趣的人，我已经回答了我自己的问题。

作为评论的后续：除非我遗漏了什么，而不是

int tdd = 0;
foreach (TasksData td in tasks)
{
    int val = tdd;
    Task t1 = Task.Factory.StartNew(() => startParallelMethod(iteration, tasks[val], SOMState.dataset.GroupedData[val], tasks[val].Map, SOMState.dataset.GroupedDataDictionary[val]));
    netTasks.Add(t1);
    tdd++;
}

您可以编写（请注意：伪代码！）

当您的原始代码使用wait时，您可以将Parallel.For代码包装在Task.Run（）中，其行为在方法之外应该是相同的（尽管这与您的初始示例相同，与使用异步wait的最佳实践相去甚远）

---

尽管如此，只要稍作改动，您就可以让运行时决定要使用多少任务。

对于可能感兴趣的人：

在完成一些实验后，以下是使用core i7处理器的结果。结果表明，使用6个任务（处理器的内核数）执行的速度最快。当我说使用6个任务时，我的意思是将我的数据集分成6组；每组将被分配一项任务。我们也可以使用平行法，因为正如我接受的答案所暗示的那样

图中显示了不同数据集（不同数量的输入）的结果。从5000到100000个输入数据开始，用于不同数量的任务。如果使用Environment.ProcessorCount任务，您可以很容易地发现（从表中，或者您可以自己尝试）

作为结论，结果表明使用Environment.ProcessorCount是一种很好的做法。每个.NET任务将处理（独立于程序员）它将要创建的线程数（在后台）

---

p.S.Environment.ProcessorCount返回整数值（处理器的内核数）。“数据组”还表示创建的任务数

您是否无法使用诸如

Parallel.ForEach等框架工具？您认为手动在任务之间划分工作会做得更好，这有什么原因吗？只是一个提示：如果您的代码受CPU限制，您可以使用Parallel.For/Parallel.Foreach，并让运行时决定并行化的程度。嗯，我需要检查一下我是否可以在代码中使用Parallel.Foreach。谢谢你的回答：）@Linky我不能使用Parallel。因为我在循环中使用了很多共享变量。更改代码并使其与并行程序一起工作是非常复杂的。因为我认为这是一样的，因为“任务”是我将要使用的任务数（用户定义）。根据tasks.count，我将庞大的数据集拆分为tasks.count组。然后，每组数据（SOMState.dataset.GroupedData[val]）作为startParallelMethod方法的一个参数给出。此方法将处理作为参数给定的一组数据。如果我有n个任务，这意味着我将使用n个不同的数据集（数据组）调用startParallelMethod n次，startParallelMethod将被称为tasks.count times with tasks.count与tasks.count.net tasks的不同数据。可能我没有正确理解原始问题：在原始代码中，startParallelMethod似乎是通过使用Task.Factory.StartNew并行执行的。All In All tasks。将启动运行startParallelMethod的计数任务。到目前为止这是正确的吗？与此相反，使用Parallel.For将执行几乎相同的操作—运行startParallelMethod task.Count times—只不过它关心并发启动/运行的次数。这不是问题所在吗？是的，你说的都是真的。我的问题是：“任务数”应该是多少，换句话说就是“我应该将原始数据集拆分为多少组”？我有一个数据集（SOMState.dataset），为了并行化我的算法，我将其拆分为tasks.count组（SOMState.dataset.GroupedData）。如果我将原始数据集分成4组，我将从4个不同的任务中调用startParallelmethod 4次。通过这种方式，我试图通过将数据集拆分为4个.net任务来更快地执行算法。每个任务将执行原始数据集的一个子组I理解您所说的一切，I w
Parallel.For(0, tasks.Length, val => { 
    startParallelMethod(iteration, tasks[val], SOMState.dataset.GroupedData[val], tasks[val].Map, SOMState.dataset.GroupedDataDictionary[val])
});