Parallel.For性能

Question

这段代码来自微软的文章http://msdn.microsoft.com/en-us/library/dd460703.aspx，有一些小改动：

        const int size = 10000000;
        int[] nums = new int[size];
        Parallel.For(0, size, i => {nums[i] = 1;});
        long total = 0;

        Parallel.For<long>(
            0, size, () => 0,
            (j, loop, subtotal) =>
            {
                return subtotal + nums[j];
            },
            (x) => Interlocked.Add(ref total, x) 
        );

        if (total != size)
        {
            Console.WriteLine("Error");
        }

非并行循环版本是：

        for (int i = 0; i < size; ++i)
        {
            total += nums[i];
        }

当我使用StopWatch类测量循环执行时间时，我看到并行版本比以前慢了10-20%。测试是在Windows 7 64位，Intel i5-2400 CPU，4核，4 GB RAM上进行的.当然，在发布配置中。

在我的实际程序中，我试图计算一个图像直方图，并行版本运行速度要慢10倍。当每次循环调用都非常快时，这样的计算任务能否成功地与TPL并行？

编辑

最后，当我将整个图像分割成一定数量的块时，我成功地用Parallel.For减少了50%的直方图计算执行时间。现在，每个循环体调用都处理整个块，而不是一个像素。

Answer 1

因为Parallel.For应该被用来处理一些杂乱无章的事情，而不是简单的数字之和！仅仅使用委托(j, loop, subtotal) =>可能就足以给出10%-20%的时间。我们甚至都没说到线程的开销。在for循环中看到一些针对委托夏季的基准，不仅看到“真实世界”时间，而且看到CPU时间，这将是很有趣的。

我甚至添加了一个与Parallel.For<>委托相同的“简单”委托的比较。

嗯..。现在我有一些32位的数字，在我的个人电脑上(一个AMD六核)

32 bits
Parallel: Ticks:      74581, Total ProcessTime:    2496016
Base    : Ticks:      90395, Total ProcessTime:     312002
Func    : Ticks:     147037, Total ProcessTime:     468003

并行在墙时间稍微快一点，但在处理器时慢8倍：)

但在64比特：

64 bits
Parallel: Ticks:     104326, Total ProcessTime:    2652017
Base    : Ticks:      51664, Total ProcessTime:     156001
Func    : Ticks:      77861, Total ProcessTime:     312002

修改后的代码：

Console.WriteLine("{0} bits", IntPtr.Size == 4 ? 32 : 64);

var cp = Process.GetCurrentProcess();
cp.PriorityClass = ProcessPriorityClass.High;

const int size = 10000000;
int[] nums = new int[size];
Parallel.For(0, size, i => { nums[i] = 1; });

GC.Collect();
GC.WaitForPendingFinalizers();

long total = 0;

{
    TimeSpan start = cp.TotalProcessorTime;
    Stopwatch sw = Stopwatch.StartNew();

    Parallel.For<long>(
        0, size, () => 0,
        (j, loop, subtotal) =>
        {
            return subtotal + nums[j];
        },
        (x) => Interlocked.Add(ref total, x)
    );

    sw.Stop();
    TimeSpan end = cp.TotalProcessorTime;

    Console.WriteLine("Parallel: Ticks: {0,10}, Total ProcessTime: {1,10}", sw.ElapsedTicks, (end - start).Ticks);
}

if (total != size)
{
    Console.WriteLine("Error");
}

GC.Collect();
GC.WaitForPendingFinalizers();

total = 0;

{
    TimeSpan start = cp.TotalProcessorTime;
    Stopwatch sw = Stopwatch.StartNew();

    for (int i = 0; i < size; ++i)
    {
        total += nums[i];
    }

    sw.Stop();
    TimeSpan end = cp.TotalProcessorTime;

    Console.WriteLine("Base    : Ticks: {0,10}, Total ProcessTime: {1,10}", sw.ElapsedTicks, (end - start).Ticks);
}

if (total != size)
{
    Console.WriteLine("Error");
}

GC.Collect();
GC.WaitForPendingFinalizers();

total = 0;

Func<int, int, long, long> adder = (j, loop, subtotal) =>
{
    return subtotal + nums[j];
};

{
    TimeSpan start = cp.TotalProcessorTime;
    Stopwatch sw = Stopwatch.StartNew();

    for (int i = 0; i < size; ++i)
    {
        total = adder(i, 0, total);
    }

    sw.Stop();
    TimeSpan end = cp.TotalProcessorTime;

    Console.WriteLine("Func    : Ticks: {0,10}, Total ProcessTime: {1,10}", sw.ElapsedTicks, (end - start).Ticks);
}

if (total != size)
{
    Console.WriteLine("Error");
}