并行编程的使用场景:需要执行大量的计算任务,并且这些任务能分割成相互独立的任务块儿
并行的形式有两种:数据并行(data parallelism)和任务并行(task parallelim)。
数据并行(data parallelism):有大量的数据需要处理,并且每一块数据的处理过程基本上是彼此独立的。
任务并行(task parallelim):需要执行大量任务,并且每个任务的执行过程基本上是彼此独立的。任务并行可以是动态的,如果一个任务的执行结果会产生额外的任务,这些新增的任务也可以加入任务池。
实现数据并行的方法
每个任务块要尽可能的互相独立。 只要任务块是互相独立的,并行性就能做到最大化。一旦你在多个线程中共享状态,就必须以同步方式访问这些状态,那样程序的并行性就变差了。
数据并行重点在处理数据,任务并行则关注执行任务。
实现任务并行的方法
通常情况下,没必要关心线程池处理任务的具体做法。数据并行和任务并行都使用动态调整的分割器,把任务分割后分配给工作线程。线程池在需要的时候会增加线程数量。线程池线程使用工作窃取队列(work-stealing queue)。
使用场景:处理的事件中带有参数,最好采用响应式编程
响应式编程的核心概念是:可观察的流(observable stream)
响应式编程的最终代码非常像 linq,可以认为它就是“linq to events”,它采用“推送”模式,事件到达后就自行穿过查询。
异步编程和并行编程这两种技术结合起来就是tpl数据流
数据流网格的基本组成单元是数据流块(dataflow block)。
rx 和 tpl有很多相同点。
网格和流都有“数据项”这一概念,数据项从网格或流的中间穿过。还有,网格和流都有“正常完成”(表示没有更多数据需要接收时发出的通知)和“不正常完成”(在处理数据中发生错误时发出的通知)这两个概念。但是,rx 和 tpl 数据流的性能并不相同。
当需要执行需要计时的任务,最佳选择是rx的 可观察流 observable 对象
当需要进行并行处理,最佳选择是 tpl数据流块
线程是一个独立的运行单元,每个进程内部有多个线程,每个线程可以各自同时执行指令。每个线程有自己独立的栈,但是与进程内的其他线程共享内存。
对某些程序来说,其中有一个线程是特殊的,例如用户界面程序有一个 ui 线程,控制台程序有一个 main 线程。
每个 .net 程序都有一个线程池,线程池维护着一定数量的工作线程,这些线程等待着执行分配下来的任务。线程池可以随时监测线程的数量。配置线程池的参数多达几十个,但是建议采用默认设置,线程池的默认设置是经过仔细调整的,适用于绝大多数现实中的应用场景。
大多数并发编程技术有一个类似点:它们本质上都是函数式(functional)的。函数式编程理念是并发编程的本质。
如对本文有疑问, 点击进行留言回复!!
oracle long to char转换(oracle 11g 10g)
Android9.0(MT8168)1.修改sdcard写权限 2.init.rc中创建软链接
【Unity VR】steam vr 2.0 自定义按键 action 发布后无效的解决办法
网友评论