C#的并行编程，简单来说，就是让你的程序能够同时处理多个任务，从而更充分地利用现代多核处理器的计算能力，以达到提升性能和响应速度的目的。它不是让你的代码“更快”地执行一个任务，而是让它能够“同时”处理多个独立的任务，就像一个团队分工合作，而不是一个人从头到尾包揽所有工作。这背后的核心思想，就是把一个大问题拆解成若干个可以独立解决的小问题，然后让它们并行运行。
解决方案
在C#中，实现并行编程主要依赖于.NET框架提供的
System.Threading.Tasks命名空间下的工具，尤其是
Parallel类、
Task和PLINQ。
Parallel类： 这是最直接、最易用的并行化工具，特别适合处理循环中的独立迭代。当你有一个
for循环或
foreach循环，并且每次迭代的操作互不依赖时，
Parallel.For和
Parallel.ForEach能让你以最少的代码改动实现并行化。
using System;
using System.Collections.Generic;
using System.Linq;
using System.Threading;
using System.Threading.Tasks;
using System.Collections.Concurrent; // 用于线程安全集合
public class ParallelExample
{
public static void Run()
{
List<int> numbers = Enumerable.Range(1, 1_000_000).ToList();
ConcurrentBag<double> results = new ConcurrentBag<double>(); // 使用线程安全集合
Console.WriteLine("开始使用 Parallel.ForEach 处理大量数据...");
Parallel.ForEach(numbers, num =>
{
// 模拟一个耗时的计算操作
double res = Math.Sqrt(num * num + num);
// 注意：这里使用ConcurrentBag是线程安全的，如果使用List.Add()则需要加锁
results.Add(res);
});
Console.WriteLine($"Parallel.ForEach 完成，处理了 {results.Count} 个元素。");
// 也可以使用Parallel.For
double[] arrayResults = new double[1_000_000];
Parallel.For(0, numbers.Count, i =>
{
arrayResults[i] = Math.Sqrt(numbers[i] * numbers[i] + numbers[i]);
});
Console.WriteLine($"Parallel.For 完成，处理了 {arrayResults.Length} 个元素。");
}
}这里有个小陷阱，如果你在
Parallel.ForEach内部修改共享数据（比如一个普通的
List<T>），就必须小心处理线程同步问题，否则很可能出现竞态条件导致数据损坏或异常。我这里用了
ConcurrentBag<T>，它就是专门为多线程环境设计的线程安全集合，能省去手动加锁的麻烦。
Task和Task.Run：
Task是.NET中表示一个异步操作的核心抽象。
Task.Run则是一个非常方便的辅助方法，它能将你提供的同步方法（lambda表达式或委托）提交到线程池中执行，并返回一个
Task对象，你可以用它来跟踪操作的完成情况或获取结果。这对于将耗时操作从主线程（比如UI线程）卸载到后台线程，以保持应用响应性非常有用。
public class TaskExample
{
public static async Task Run()
{
Console.WriteLine("主线程开始执行...");
// 启动一个后台任务，模拟耗时的数据获取
Task<string> fetchDataTask = Task.Run(() =>
{
Console.WriteLine($"Task {Task.CurrentId} 开始模拟获取数据...");
Thread.Sleep(2500); // 模拟2.5秒的耗时操作
Console.WriteLine($"Task {Task.CurrentId} 模拟获取数据完成。");
return "这是从模拟远程服务获取的数据";
});
Console.WriteLine("主线程继续执行其他操作，不被阻塞...");
// 启动多个任务并行执行
List<Task> tasks = new List<Task>();
for (int i = 0; i < 3; i++)
{
int taskId = i + 1; // 捕获变量
tasks.Add(Task.Run(() =>
{
Console.WriteLine($"任务 {taskId} 开始执行...");
Thread.Sleep(new Random().Next(1000, 3000)); // 随机耗时
Console.WriteLine($"任务 {taskId} 执行完成。");
}));
}
// 等待所有并行任务完成
await Task.WhenAll(tasks);
Console.WriteLine("所有并行任务都完成了。");
// 等待第一个任务完成并获取结果
string data = await fetchDataTask; // await会非阻塞地等待任务完成
Console.WriteLine($"主线程获取到数据: {data}");
Console.WriteLine("主线程所有操作完成。");
}
}Task的强大之处在于它与
async/await关键字的结合，这让异步编程变得非常自然和易读。你可以用
await来等待一个
Task完成，而不会阻塞当前线程，这对于构建响应式UI或高并发的Web服务至关重要。
PLINQ (Parallel LINQ)： 如果你的项目中大量使用了LINQ查询，并且这些查询是计算密集型的，PLINQ能让你以声明式的方式轻松实现并行化。你只需要在LINQ查询的开头加上一个
.AsParallel()方法。
public class PLINQExample
{
public static void Run()
{
List<int> bigNumbers = Enumerable.Range(1, 20_000_000).ToList();
Console.WriteLine("开始使用 PLINQ 进行并行查询...");
// 使用AsParallel()将LINQ查询并行化
var evenNumbersParallel = bigNumbers.AsParallel()
.Where(n => n % 2 == 0)
.Select(n => n * 2) // 模拟一些计算
.ToList();
Console.WriteLine($"PLINQ 找到并处理了 {evenNumbersParallel.Count} 个偶数。");
// 也可以控制并行度
var limitedParallel = bigNumbers.AsParallel()
.WithDegreeOfParallelism(Environment.ProcessorCount / 2) // 只用一半的核心
.Where(n => n % 3 == 0)
.ToList
