Parallel Programming یعنی تقسیم یک مسئله به مسائل کوچکتر و سپردن آن ها به واحد های جداگانه برای پردازش کردن.این مسائل کوچک به صورت همزمان شروع به اجرا می کنند

در صورت تمایل میتوانید دوره آموزش برنامه نویسی موازی در سایت تاپ لرن را مشاهده کنید و به صورت کامل این بحث را یاد بگیرید .

Parallel Programming یعنی تقسیم یک مسئله به مسائل کوچکتر و سپردن آن ها به واحد های جداگانه برای پردازش کردن.این مسائل کوچک به صورت همزمان شروع به اجرا می کنند. Parallel Programming وظیفه یا Task را به اجزا مختلفی تقسیم می کند.فرم های مختلفی از Parallel وجود دارد .مانند bit-level ،  instruction-level، data ، task در این مقاله راجع به Data Parallelism و Task Parallelism بحث خواهیم کرد.

تصور کنید هسته CPU متشکل از چندین ریزپردازنده است که همه این ها به حافظه اصلی دسترسی دارند.هر کدام از این ریزپردازنده ها قسمتی از مسئله را حل می کنند.

.Data Parallelism

این مورد بر روی توزیع دیتا در نقاط مختلف تمرکز می کند.یعنی داده را به بخش های مختلفی می شکند.هر کدام از این بخش ها به Thread جداگانه ای برای پردازش داده می شود.

Task Parallelism

این مفهوم وظایف یا Task ها را به بخش هایی شکسته و هر کدام را به یک Thread جهت پردازش می دهد.

در پروژه ای که به صورت ضمیمه این مقاله می باشد (در پروژه DataParallisem)به سه صورت مختلف وظیفه یا Task تعریف کرده ایم .

1-به صورت Function 

2- به صورت Delegate-

3-به صورت لامبدا

کد این قسمت به صورت زیر می باشد

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace TPL_part_1_creating_simple_tasks
{
    class Program
    {
        static void Main(string[] args)
        {
            //Action delegate
            Task task1 = new Task(new Action(HelloConsole));

            //anonymous function
            Task task2 = new Task(delegate
            {
                HelloConsole();
            });
            
            //lambda expression
            Task task3 = new Task(() => HelloConsole());                      
            
            task1.Start();
            task2.Start();
            task3.Start();
            
            Console.WriteLine("Main method complete. Press any key to finish.");
            Console.ReadKey();
        }
        static void HelloConsole()
        {
            Console.WriteLine("Hello Task");
        }
    }
}

بعد از اجرا هر کدام از Task ها اجرا شده البته به صورت همزمان و کارهای محوله به آنها را انجام میدهند.

در این مقاله بر روی مفهوم Data Parallelism تمرکز خواهیم کرد.توسط Data Parallelism عملیات یکسانی بر روی المانهای یک مجموعه یا آرایه  به صورت همزمان انجام خواهد شد.که در فضای نام System.Threading.Tasks.Parallel قرار دارد.روش اصلی برای انجام Data Parallelismنوشتن یک تابع است که یک حلقه ساده بدون Thread دارد .

 public static void DataOperationWithForeachLoop()
        {
            var mySource = Enumerable.Range(0, 1000).ToList();
            foreach (var item in mySource)
            {
                Console.WriteLine("Square root of {0} is {1}", item, item * item);
            }
        }

خروجی برنامه را در زیر می بینید

عملیات Data Parallelism را می توان با یک حلقه foreach موازی هم انجام داد

public static void DataOperationWithDataParallelism()
        {
            var mySource = Enumerable.Range(0, 1000).ToList();
            Parallel.ForEach(mySource, values => CalculateMyOperation(values));
        }

        public static  void CalculateMyOperation(int values)
        {
            Console.WriteLine("Square root of {0} is {1}", values, values * values);
        }

بعد از اجرا شکل زیر را خواهید دید

در این کد در داخل حلقه Foreach  یک تابع Delegate نوشته ایم .در این تابع به ازای هر تکرار حلقه بر روی مجموعه تابعی که درون Delegate فراخوانی کرده ایم اجرا خواهد شد.

Data Parallelism توسط PLINQ

PLINQ به معنای Parallel LINQ است .این نسخه از لینک جهت پیاده سازی لینک بر روی پردازنده های چند هسته ای نوشته شده است.

توسط لینک می توان اطلاعات را از چندین منبع بازیابی کرد.و در نهایت این نتایج با هم ترکیب می شوند تا نتیجه نهایی Query به دست آید.اما اگر از PLINQ استفاده کنیم این دستورات به جای اینکه پشت سر هم اجرا شوند به صورت موازی اجرا می شوند.

برای این که از PLINQ استفاده کرد فقط کافی است که در انتهای عبارت لینک از AsParallel استفاده کنیم.به کد زیر توجه کنید

    public static void DataOperationByPLINQ()
        {
            long mySum = Enumerable.Range(1, 10000).AsParallel().Sum();
            Console.WriteLine("Total: {0}", mySum);
        }

بعد از اجرا شکل زیر را خواهید دید

برای به دست آوردن اعداد فرد در این مجموعه توسط Plinq از کد زیر استفاده می کنیم

  public static void ShowEvenNumbersByPLINQ()
        {
            var numers = Enumerable.Range(1, 10000);
            var evenNums = from number in numers.AsParallel()
                           where number % 2 == 0
                           select number;

            Console.WriteLine("Even Counts :{0} :", evenNums.Count());
        } 

پس از اجرا شکل زیر را خواهید دید

توسط متد Parallel.Invoke() می توانید چندین متد را مانند شکل زیر به صورت همزمان اجرا کنید.

    Parallel.Invoke(    
    () => Method1(mycollection),    
    () => Method2(myCollection1, MyCollection2),    
    () => Method3(mycollection));  

 MaxDegreeOfParallelism

ماکزیمم تعداد پردازش های موازی را مشخص می کند در کد زیر و در داخل Foreach در پارامتر دوم ماکزیمم تعداد پردازش های موازی مشخص شده اشت.

loopState.Break()

توسط این کد به Thread هایی که پردازش آنها طول کشیده اجازه می دهیم که بعدا Break شوند.به کد زیر توجه کنید.

var mySource = Enumerable.Range(0, 1000).ToList();    
int data = 0;    
Parallel.ForEach(    
    mySource,    
    (i, state) =>    
    {    
        data += i;    
        if (data > 100)    
        {    
            state.Break();    
            Console.WriteLine("Break called iteration {0}. data = {1} ", i, data);    
        }    
    });    
Console.WriteLine("Break called data = {0} ", data);    
Console.ReadKey(); 

آموزش سی شارپ