我有一个字符串集合,我需要对其执行两个操作。
其中第一个可以按任何顺序安全地独立处理 (yay),但随后必须按原始顺序顺序处理 (boo) 输出。
以下 Plinq 帮助我完成了大部分工作:
myStrings.AsParallel().AsOrdered()
.Select( str => Operation1(str) )
.AsSequential()
.Select( str => Operation2(str) );
//immagine Operation2() maintains some sort of state and must take the outputs from Operation1 in the original order
这让我了解了大部分内容,但问题是由于 AsOrdered(),Operation1 首先在每个字符串上执行,然后结果元素被排序回它们的原始顺序,最后 Operation2 开始执行。
理想情况下,一旦 Operation1 调用返回第一个字符串(即 myStrings[0],而不是第一个返回的字符串),我希望 Operation2 开始工作。
所以这是我尝试解决一般性问题:
public static class ParallelHelper
{
public static IEnumerable<U> SelectAsOrdered<T, U>(this ParallelQuery<T> query, Func<T, U> func)
{
var completedTasks = new Dictionary<int, U>();
var queryWithIndexes = query.Select((x, y) => new { Input = x, Index = y })
.AsParallel()
.Select(t => new { Value = func(t.Input), Index = t.Index })
.WithMergeOptions(ParallelMergeOptions.NotBuffered);
int i = 0;
foreach (var task in queryWithIndexes)
{
if (i==task.Index)
{
Console.WriteLine("immediately yielding task: {0}", i);
i++;
yield return task.Value;
U previouslyCompletedTask;
while (completedTasks.TryGetValue(i, out previouslyCompletedTask))
{
completedTasks.Remove(i);
Console.WriteLine("delayed yielding task: {0}", i);
yield return previouslyCompletedTask;
i++;
}
}
else
{
completedTasks.Add(task.Index, task.Value);
}
}
yield break;
}
}
然后我可以将我的原始代码块重写为:
myStrings.AsParallel()
.SelectAsOrdered( str => Operation1(str) )
.Select(str => Operation2(str));
一旦 myStrings[0] 从 Operation1 中出来,Operation2 就会启动。
我想知道的是:
- 这是并行化中一个相当普遍的问题/模式,我是否错过了在 .Net 框架中执行此操作的开箱即用的东西?或者有更简单的方法吗?
- 虽然上述扩展方法似乎可以完成工作,但如何对其进行改进?代码中有什么地方看起来像是个坏主意吗?
谢谢!
安迪
以防万一你感兴趣:
如果不调用 .WithMergeOptions(ParallelMergeOptions.NotBuffered),Operation2 直到所有 Operation1 调用都已启动后才会开始工作(这比等待所有调用完成的原始代码要好)。
现实生活中的问题:
Operation1 正在大量文本中搜索法律引用和引用文献(例如:“children act 1989”)。
这些引用文献通常是独立的,但有时抄本会包含类似“前面提到的法案的第 6 节”之类的内容。 Operation2 依赖于 Operation1 的捕获来获取这些部分引用。
最佳答案
如果你需要速度,你可以并行化所有过程(加载数据、准备数据、处理数据和聚合数据),我认为最好使用生产者/消费者模式。
但是,如果您使用“Linq”,则无法生成(以一种很好的方式来执行完整的并行工作流)并行数据(但是可以:准备、处理和恢复)。
另一方面,我认为尝试将“Linq”用作“并行(A) + 顺序(B)”是错误的(你可以,是的),你的过程(我认为)是
B = f(A)
那么,B必须等待A。
为什么不简单地做“并行(A/B)”?
你可以做一个帮助程序(扩展),但我认为它通常没有用。
在您的真实情况下,只需使用 Semaphore
来防止过早访问“文章 ID”。
并行准备、处理和恢复(不生成)的完整代码是:
class Text {
public static Regex rx = new Regex(@" (PREVID|ACTID\=([0-9]+)) ");
private Text prv; // previous article
private string ot; // original text
private int id; // act id on text
private Semaphore isComputed = new Semaphore(0, 1);
public int ActID {
get {
isComputed.WaitOne();
int _id = id;
isComputed.Release();
return _id;
}
}
public bool ProcessText() {
var mx = rx.Match(ot);
var prev = mx.Groups [1].Value == "PREVID";
if(prev)
id = prv == null ? 0 : prv.ActID;
else
if(!int.TryParse(mx.Groups [2].Value, out id))
throw new Exception(string.Format(@"Incorrect article id ""{0}""", mx.Groups [0].Value));
isComputed.Release();
return !prev;
}
public Text(string original_text, Text previous) {
prv = previous;
ot = original_text;
}
}
public static void Main(String [] args) {
// same random stream (for debugging)
var rnd = new Random(1);
var noise = @"These references are usually independent, but occasionally";
// some noise text
var bit = new Func<string>(() =>
noise.Substring(0, rnd.Next(noise.Length)));
// random article
var text = new Func<string>(() =>
string.Format(@"{0}{1}{2}", bit(),
rnd.Next() % 2 == 0 ? " PREVID "
: string.Format(@" ACTID={0} ", rnd.Next()), bit()));
// random data input
var data = new List<Text>();
Text prv = null;
for(var n = 0; n < 1000000; n++)
// producer / consumer is better to parallelize load data step
data.Add(prv = new Text(text(), prv));
Console.Write("Press key to start...");
Console.ReadKey();
// parallel processing
Console.WriteLine("{0} unique ID's", data.AsParallel().Where(n => n.ProcessText()).Count());
Console.WriteLine("Process completed.");
}
如您所见,ProcessText
并行处理所有文章。只有 PREVID 文章会等到它们的前一篇文章计算它们自己的 ID。
抽象此行为的真正问题(我认为)是项目关系(一个项目依赖于另一个项目),在 Linq 中,自然的方式是“无项目关系”(您必须使用“分组依据”来执行它).
我建议你使用生产者/消费者模式。
关于c# - 如何在查询完成之前按顺序开始处理并行查询的结果?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12889522/