今天领导给我们发了一篇文章文章，让我们学习一下。
文章链接：TAM - Threaded Array Manipulator
这是codePRoject上的一篇文章，花了一番时间阅读了一下。文章主要是介绍当单线程处理大量数组遇到性能瓶颈时，使用多线程的方式进行处理，可以缩短数组的处理时间。
看了这篇文章后，感觉似曾相识，很多次，当我想要处理大数组时，我就会进行构思，然后想出的解决方案，与此文章中介绍的方案非常的相似。但是说来惭愧，此文章的作者有了构思后便动手写出了实现代码，然后还进行了性能测试，而我每次只是构思，觉得我能想出来就可以了，等到真正用的时候再把它写出来就行了。事实上，我大概已经构思过很多次了，但是还从来没有写过，直到看到这篇文章，我才下定决心，一定要将这个思路整理一遍。
虽然科技一直在进步，CPU的处理能力也一直在提高，但是当我们进入大数据时代后，CPU每秒钟都会面临着大量的数据需要处理，这个时候CPU的处理能力可能就会成为性能瓶颈。这是我们就要选择多核多CPU了，编程中也就是使用多线程进行处理。
首先看下单线程处理的例子
static void Main(string[] args){ int count = 100000000; double[] arrayForTest = new double[count]; Stopwatch watch = new Stopwatch(); watch.Start(); for (int i = 0; i < arrayForTest.Length; i++) { arrayForTest[i] = MathOperationFunc(arrayForTest[i]); } watch.Stop(); Console.WriteLine("经过 " + arrayForTest.Length + " 次循环共消耗时间 " + (watch.ElapsedMilliseconds / 1000.0) + " s");}static double MathOperationFunc(double value){ return Math.Sin(Math.Sqrt(Math.Sqrt((double)value * Math.PI)) * 1.01);}单线程处理的耗时
这个单线程的例子中对一个有10000000个元素的数组中的每个元素进行了数学计算，执行完毕共计耗时5.95秒。
然后看两个线程处理的例子
static void Main(string[] args){ //四线程测试 int threadCount = 2; Thread[] threads = new Thread[threadCount]; for (int i = 0; i < threadCount; i++) { threads[i] = new Thread(ForTestInThread); threads[i].Name = threadCount + "线程测试" + (i + 1); threads[i].Start(); }}//工作线程static void ForTestInThread(){ int count = 50000000; double[] arrayForTest = new double[count]; Stopwatch watch = new Stopwatch(); watch.Start(); for (int i = 0; i < arrayForTest.Length; i++) { arrayForTest[i] = MathOperationFunc(arrayForTest[i]); } watch.Stop(); Console.WriteLine("线程：" + Thread.CurrentThread.Name + "，经过 " + arrayForTest.Length + " 次循环共消耗时间 " + (watch.ElapsedMilliseconds / 1000.0) + " s");}//数据计算static double MathOperationFunc(double value){ return Math.Sin(Math.Sqrt(Math.Sqrt((double)value * Math.PI)) * 1.01);}两个线程测试耗时
我们再来看一下四个线程的例子
static void Main(string[] args){ //四线程测试 int threadCount = 4; Thread[] threads = new Thread[threadCount]; for (int i = 0; i < threadCount; i++) { threads[i] = new Thread(ForTestInThread); threads[i].Name = threadCount + "线程测试" + (i + 1); threads[i].Start(); }}//工作线程static void ForTestInThread(){ int count = 25000000; double[] arrayForTest = new double[count]; Stopwatch watch = new Stopwatch(); watch.Start(); for (int i = 0; i < arrayForTest.Length; i++) { arrayForTest[i] = MathOperationFunc(arrayForTest[i]); } watch.Stop(); Console.WriteLine("线程：" + Thread.CurrentThread.Name + "，经过 " + arrayForTest.Length + " 次循环共消耗时间 " + (watch.ElapsedMilliseconds / 1000.0) + " s");}//数据计算static double MathOperationFunc(double value){ return Math.Sin(Math.Sqrt(Math.Sqrt((double)value * Math.PI)) * 1.01);}四个线程测试耗时
由上面的测试中可以看到，随着线程数的增多，任务被分解后每个线程执行的任务耗时由原来的 6秒 逐渐降到 2秒 左右，由此我们可以猜想当所有线程同时执行的时候，那么总任务的耗时就会下降，接下来让我们来进行更精确的测试。
进行多线程测试时，经常会遇到这样的问题：主线程中如何等待所有线程执行结束后，再执行后续任务。
错误的做法
Thread[] threads = new Thread[threadCount];for (int i = 0; i < threadCount; i++){ int beginIndex = i*arrayForTest.Length/threadCount; int length = arrayForTest.Length/threadCount; threads[i] = new Thread(WorkerThread); var arg = new Tuple<double[], int, int>(arrayForTest, beginIndex, length); threads[i].Name = threadCount + "线程测试" + (i + 1).ToString(); threads[i].Start(arg); //等待所有线程结束 threads[i].Join();}
这么做实际上所有的子线程均是串行执行的，并没有达到并行的效果。
正确的做法
Thread[] threads = new Thread[threadCount];for (int i = 0; i < threadCount; i++){ int beginIndex = i*arrayForTest.Length/threadCount; int length = arrayForTest.Length/threadCount; threads[i] = new Thread(WorkerThread); var arg = new Tuple<double[], int, int>(arrayForTest, beginIndex, length); threads[i].Name = threadCount + "线程测试" + (i + 1).ToString(); threads[i].Start(arg);}//等待所有线程结束foreach (var thread in threads){ thread.Join();}了解了Thread.Join后，就可以进行多线程处理大数组的代码编写了：
class Program{ static void Main(string[] args) { int count = 100000000; double[] arrayForTest = new double[count]; Stopwatch totalWatch = new Stopwatch(); totalWatch.Start(); ThreadTest(arrayForTest, 2); totalWatch.Stop(); Console.WriteLine("总任务，经过 " + arrayForTest.Length + " 次循环共消耗时间 " + (totalWatch.ElapsedMilliseconds / 1000.0) + " s"); } //大循环测试 static void ForTest(double[] arrayForTest, int beingIndex, int offset, Func<double, double> func) { for (int i = beingIndex; i < beingIndex + offset; i++) { arrayForTest[i] = func(arrayForTest[i]); } } //数学计算 static double MathOperationFunc(double value) { return Math.Sin(Math.Sqrt(Math.Sqrt((double)value * Math.PI)) * 1.01); } static void ThreadTest(double[] arrayForTest, int threadCount) { //启动线程 Thread[] threads = new Thread[threadCount]; for (int i = 0; i < threadCount; i++) { //为每个线程分配任务 int beginIndex = i*arrayForTest.Length/threadCount; int length = arrayForTest.Length/threadCount; threads[i] = new Thread(WorkerThread); var arg = new Tuple<double[], int, int>(arrayForTest, beginIndex, length); threads[i].Name = threadCount + "线程测试" + (i + 1).ToString(); threads[i].Start(arg); threads[i].Join(); } //等待所有线程结束 foreach (var thread in threads) { thread.Join(); } } //工作线程 static void WorkerThread(object arg) { Stopwatch watch = new Stopwatch(); watch.Start(); var argArray = arg as Tuple<double[], int, int>; if (argArray == null) return; ForTest(argArray.Item1, argArray.Item2, argArray.Item3, MathOperationFunc); watch.Stop(); Console.WriteLine("线程：" + Thread.CurrentThread.Name + "，经过 " + argArray.Item3 + " 次循环共消耗时间 " + (watch.ElapsedMilliseconds/1000.0) + " s"); }}这样多线程处理大数组的功能代码就编写完成了，那么性能是如何呢，用事实说话，效果如下：
由图可以看出，将一个大任务分解到两个线程中去执行后，大任务总体的执行时间会缩短，但是与两个线程中耗时最长的线程的执行时间有关。
同时执行耗时由原来的6秒逐渐降到2秒左右。可见
新闻热点
疑难解答
