Quand dois-je utiliser Parallel.ForEach au lieu d'une boucle Foreach dans .NET ?

Parallélisation du traitement avec Parallel.ForEach

Dans la programmation .NET, la boucle foreach traditionnelle effectue des itérations de manière séquentielle, un élément à la fois, en utilisant un seul fil. Cette approche peut entraîner un traitement plus lent pour les tâches impliquant des opérations longues ou intensives.

Présentation de Parallel.ForEach

La méthode Parallel.ForEach permet un traitement parallèle en exploitant plusieurs threads. . Cette méthode exécute des itérations simultanément, divisant la tâche de traitement entre les threads disponibles. En répartissant la charge de travail, Parallel.ForEach peut améliorer considérablement le temps d'exécution, en particulier pour les processus lents ou gourmands en données.

Cependant, il est important de noter que Parallel.ForEach n'est pas toujours plus rapide. Pour les processus courts ou rapides, la surcharge impliquée dans la création et la gestion des threads peut dépasser les avantages en termes de performances.

Exemple de conversion en Parallel.ForEach

Considérez le code suivant en utilisant une boucle foreach :

string[] lines = File.ReadAllLines(txtProxyListPath.Text);
List<string> list_lines = new List<string>(lines);

foreach (string line in list_lines)
{
    // Perform operations on each line
}

Pour réécrire ce code en utilisant Parallel.ForEach :

Parallel.ForEach(list_lines, line =>
{
    // Perform operations on each line
});

Dans cet exemple, la méthode Parallel.ForEach prend la collection list_lines en entrée et crée un nouveau thread pour chaque ligne afin d'exécuter les opérations spécifiées en parallèle.

Différences clés entre Foreach Loop et Parallel.ForEach

Feature	Foreach Loop	Parallel.ForEach
Iteration Style	Sequential	Parallel
Thread Usage	Single Thread	Multiple Threads
Framework Availability	All .NET frameworks	.NET 4.0 and newer
Overhead	Low for quick processes	Higher for quick processes due to thread creation and management
Performance	Faster for short and quick processes	Faster for lengthy and data-intensive processes

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!