1：AsParallel(并行化）

下面我们模拟给ConcurrentDictionary灌入1500w条记录，看看串行和并行效率上的差异，注意我的老爷机是2个硬件线程。

using System;
using System.Threading;
using System.Threading.Tasks;
using System.Diagnostics;
using System.Collections.Concurrent;
using System.Collections.Generic;using System.Linq;class Program
{static void Main(string[] args){var dic = LoadData();Stopwatch watch = new Stopwatch();watch.Start();//串行执行var query1 = (from n in dic.Valueswhere n.Age > 20 && n.Age < 25select n).ToList();watch.Stop();Console.WriteLine("串行计算耗费时间：{0}", watch.ElapsedMilliseconds);watch.Restart();var query2 = (from n in dic.Values.AsParallel()where n.Age > 20 && n.Age < 25select n).ToList();watch.Stop();Console.WriteLine("并行计算耗费时间：{0}", watch.ElapsedMilliseconds);Console.Read();}public static ConcurrentDictionary<int, Student> LoadData(){ConcurrentDictionary<int, Student> dic = new ConcurrentDictionary<int, Student>();//预加载1500w条记录Parallel.For(0, 15000000, (i) =>{var single = new Student(){ID = i,Name = "hxc" + i,Age = i % 151,CreateTime = DateTime.Now.AddSeconds(i)};dic.TryAdd(i, single);});return dic;}public class Student{public int ID { get; set; }public string Name { get; set; }public int Age { get; set; }public DateTime CreateTime { get; set; }}
}

执行的结果还是比较震撼的，将近7倍，这是因为plinq的查询引擎会尽量利用cpu的所有硬件线程

2:常用方法的使用

<1> orderby

有时候我们并不是简单的select一下就ok了，可能需要将结果进行orderby操作，并行化引擎会把要遍历的数据分区，然后在每个区上进行

orderby操作，最后来一个总的orderby，这里很像算法中的“归并排序”。

using System;
using System.Threading;
using System.Threading.Tasks;
using System.Diagnostics;
using System.Collections.Concurrent;
using System.Collections.Generic;using System.Linq;class Program
{static void Main(string[] args){var dic = LoadData();var query1 = (from n in dic.Values.AsParallel()where n.Age > 20 && n.Age < 25select n).ToList();Console.WriteLine("默认的时间排序如下：");query1.Take(10).ToList().ForEach((i) =>{Console.WriteLine(i.CreateTime);});var query2 = (from n in dic.Values.AsParallel()where n.Age > 20 && n.Age < 25orderby n.CreateTime descendingselect n).ToList();Console.WriteLine("排序后的时间排序如下：");query2.Take(10).ToList().ForEach((i) =>{Console.WriteLine(i.CreateTime);});Console.Read();}public static ConcurrentDictionary<int, Student> LoadData(){ConcurrentDictionary<int, Student> dic = new ConcurrentDictionary<int, Student>();//预加载1500w条记录Parallel.For(0, 15000000, (i) =>{var single = new Student(){ID = i,Name = "hxc" + i,Age = i % 151,CreateTime = DateTime.Now.AddSeconds(i)};dic.TryAdd(i, single);});return dic;}public class Student{public int ID { get; set; }public string Name { get; set; }public int Age { get; set; }public DateTime CreateTime { get; set; }}
}

<2> sum(),average()等等这些聚合函数的效果跟orderby类型一样，都是实现了类型归并排序的效果，这里就不举例子了。

3：指定并行度，这个我在前面文章也说过，为了不让并行计算占用全部的硬件线程，或许可能要留一个线程做其他事情。

var query2 = (from n in dic.Values.AsParallel().WithDegreeOfParallelism(Environment.ProcessorCount - 1)                                             where n.Age > 20 && n.Age < 25orderby n.CreateTime descendingselect n).ToList();

4： 了解ParallelEnumerable类

首先这个类是Enumerable的并行版本，提供了很多用于查询实现的一组方法，截个图，大家看看是不是很熟悉，要记住，他们都是并行的。

下面列举几个简单的例子。

class Program
{static void Main(string[] args){ConcurrentBag<int> bag = new ConcurrentBag<int>();var list = ParallelEnumerable.Range(0, 10000);list.ForAll((i) =>{bag.Add(i);});Console.WriteLine("bag集合中元素个数有:{0}", bag.Count);Console.WriteLine("list集合中元素个数总和为:{0}", list.Sum());Console.WriteLine("list集合中元素最大值为:{0}", list.Max());Console.WriteLine("list集合中元素第一个元素为:{0}", list.FirstOrDefault());Console.Read();}
}

5： plinq实现MapReduce算法

mapReduce是一个非常流行的编程模型，用于大规模数据集的并行计算，非常的牛X啊，记得mongodb中就用到了这个玩意。

map：  也就是“映射”操作，可以为每一个数据项建立一个键值对，映射完后会形成一个键值对的集合。

reduce：“化简”操作，我们对这些巨大的“键值对集合“进行分组，统计等等。

具体大家可以看看百科：http://baike.baidu.com/view/2902.htm

下面我举个例子，用Mapreduce来实现一个对age的分组统计。

using System;
using System.Threading;
using System.Threading.Tasks;
using System.Diagnostics;
using System.Collections.Concurrent;using System.Collections.Generic;using System.Linq;class Program
{static void Main(string[] args){List<Student> list = new List<Student>(){new Student(){ ID=1, Name="jack", Age=20},new Student(){ ID=1, Name="mary", Age=25},new Student(){ ID=1, Name="joe", Age=29},new Student(){ ID=1, Name="Aaron", Age=25},};//这里我们会对age建立一组键值对var map = list.AsParallel().ToLookup(i => i.Age, count => 1);//化简统计var reduce = from IGrouping<int, int> singleMapin map.AsParallel()select new{Age = singleMap.Key,Count = singleMap.Count()};///最后遍历reduce.ForAll(i =>{Console.WriteLine("当前Age={0}的人数有:{1}人", i.Age, i.Count);});}public class Student{public int ID { get; set; }public string Name { get; set; }public int Age { get; set; }public DateTime CreateTime { get; set; }}
}

转自：http://www.cnblogs.com/huangxincheng/archive/2012/04/04/2431616.html