ChatGPT解决这个技术问题 Extra ChatGPT

带有异步 lambda 的并行 foreach

我想并行处理一个集合,但我在实现它时遇到了麻烦,因此我希望能得到一些帮助。

如果我想在并行循环的 lambda 中调用 C# 中标记为 async 的方法,就会出现问题。例如:

var bag = new ConcurrentBag<object>();
Parallel.ForEach(myCollection, async item =>
{
  // some pre stuff
  var response = await GetData(item);
  bag.Add(response);
  // some post stuff
}
var count = bag.Count;

计数为 0 时会出现问题,因为创建的所有线程实际上只是后台线程,并且 Parallel.ForEach 调用不会等待完成。如果我删除 async 关键字,该方法如下所示:

var bag = new ConcurrentBag<object>();
Parallel.ForEach(myCollection, item =>
{
  // some pre stuff
  var responseTask = await GetData(item);
  responseTask.Wait();
  var response = responseTask.Result;
  bag.Add(response);
  // some post stuff
}
var count = bag.Count;

它可以工作,但它完全禁用了等待的聪明,我必须做一些手动异常处理..(为简洁起见已删除)。

如何实现在 lambda 中使用 await 关键字的 Parallel.ForEach 循环?可能吗?

Parallel.ForEach 方法的原型采用 Action<T> 作为参数,但我希望它等待我的异步 lambda。

我假设您打算在第二个代码块中从 await GetData(item) 中删除 await,因为它会按原样产生编译错误。
附带说明一下,ConcurrentBag<T> 是一个 very specialized 集合。在这种情况下,ConcurrentQueue<T> 会更好地为您服务。

R
Rocklan

如果你只想要简单的并行性,你可以这样做:

var bag = new ConcurrentBag<object>();
var tasks = myCollection.Select(async item =>
{
  // some pre stuff
  var response = await GetData(item);
  bag.Add(response);
  // some post stuff
});
await Task.WhenAll(tasks);
var count = bag.Count;

如果您需要更复杂的内容,请查看 Stephen Toub's ForEachAsync post


可能需要一个节流机制。这将立即创建与可能以 10k 网络请求等结束的项目一样多的任务。
@usr Stephen Toub 文章中的最后一个例子解决了这个问题。
@LukePuplett 它创建 dop 任务,然后每个任务依次处理输入集合的某些子集。
@Afshin_Zavvar:如果您调用 Task.Run 而没有 await 结果,那么这只是将一劳永逸的工作扔到线程池中。这几乎总是一个错误。
这种方法的一个简单限制机制是将您的列表拆分为包含 N 个条目的小列表,并为每个较小的批次执行此任务 select + Task.WhenAll。这样您就不会为大型数据集生成数千个任务。
I
Ian Kemp

您可以使用 AsyncEnumerator NuGet Package 中的 ParallelForEachAsync 扩展方法:

using Dasync.Collections;

var bag = new ConcurrentBag<object>();
await myCollection.ParallelForEachAsync(async item =>
{
  // some pre stuff
  var response = await GetData(item);
  bag.Add(response);
  // some post stuff
}, maxDegreeOfParallelism: 10);
var count = bag.Count;

免责声明:我是 AsyncEnumerator 库的作者,该库是开源的并在 MIT 下获得许可,我发布此消息只是为了帮助社区。


这是你的包裹?我看到你在几个地方发过这个帖子了? :D 哦等等.. 你的名字在包裹上:D +1
@ppumkin,是的,这是我的。我一遍又一遍地看到这个问题,所以决定以最简单的方式解决它,并让其他人免于挣扎:)
你有一个错字:maxDegreeOfParallelism > maxDegreeOfParalellism
正确的拼写确实是 maxDegreeOfParallelism,但是 @ShiranDror 的评论中有一些东西 - 在你的包中你错误地调用了变量 maxDegreeOfParalellism (因此你引用的代码在你改变它之前不会编译..)
@SergeSemenov在这种情况下,我认为您可能想要更新此答案中的链接,因为它指向V1.10。既然你在这个问题上很活跃,我会把它留给你。
I
Ian Kemp

新的 .NET 6 API 之一是 Parallel.ForEachAsync,这是一种安排异步工作的方法,允许您控制并行度:

var urls = new [] 
{
    "https://dotnet.microsoft.com",
    "https://www.microsoft.com",
    "https://stackoverflow.com"
};

var client = new HttpClient();

var options = new ParallelOptions { MaxDegreeOfParallelism = 2 };
await Parallel.ForEachAsync(urls, options, async (url, token) =>
{
    var targetPath = Path.Combine(Path.GetTempPath(), "http_cache", url);

    var response = await client.GetAsync(url);

    if (response.IsSuccessStatusCode)
    {
        using var target = File.OpenWrite(targetPath);

        await response.Content.CopyToAsync(target);
    }
});

另一个示例 in Scott Hanselman's blog

The source,供参考。


F
Felipe l

使用 SemaphoreSlim,您可以实现并行控制。

var bag = new ConcurrentBag<object>();
var maxParallel = 20;
var throttler = new SemaphoreSlim(initialCount: maxParallel);
var tasks = myCollection.Select(async item =>
{
  await throttler.WaitAsync();
  try
  {
     var response = await GetData(item);
     bag.Add(response);
  }
  finally
  {
     throttler.Release();
  }
});
await Task.WhenAll(tasks);
var count = bag.Count;

SemaphoreSlim 应该用 using 语句包装,因为它实现了 IDisposable
此外,这一行“等待节流阀.WaitAsync();”不应在 try 块内,因为如果它引发异常,您将在未获得锁时调用 Release。
@tim 假设您的评论已解决,请您删除它(和/或@我,如果我忘记删除它!)?
@蒂姆谢谢蒂姆。我做了必要的改变。
A
Alex from Jitbit

从其他答案和公认的 asnwer 引用的文章中编译的最简单的可能扩展方法:

public static async Task ParallelForEachAsync<T>(this IEnumerable<T> source, Func<T, Task> asyncAction, int maxDegreeOfParallelism)
{
    var throttler = new SemaphoreSlim(initialCount: maxDegreeOfParallelism);
    var tasks = source.Select(async item =>
    {
        await throttler.WaitAsync();
        try
        {
            await asyncAction(item).ConfigureAwait(false);
        }
        finally
        {
            throttler.Release();
        }
    });
    await Task.WhenAll(tasks);
}

更新:这是一个简单的修改,它还支持评论中请求的取消令牌(未经测试)

public static async Task ParallelForEachAsync<T>(this IEnumerable<T> source, Func<T, CancellationToken, Task> asyncAction, int maxDegreeOfParallelism, CancellationToken cancellationToken)
{
    var throttler = new SemaphoreSlim(initialCount: maxDegreeOfParallelism);
    var tasks = source.Select(async item =>
    {
        await throttler.WaitAsync(cancellationToken);
        if (cancellationToken.IsCancellationRequested) return;

        try
        {
            await asyncAction(item, cancellationToken).ConfigureAwait(false);
        }
        finally
        {
            throttler.Release();
        }
    });
    await Task.WhenAll(tasks);
}

我会赞成它,但我不喜欢任意的 int maxDegreeOfParallelism = 10。最好让用户明确指定并发级别。您还可以考虑在 asyncAction(item) 之后添加一个 .ConfigureAwait(false)(但不是在 throttler.WaitAsync() 之后)。
@TheodorZoulias 两个优点,已编辑。还要处理支持 cancellationToken 的变体将在稍后发布。
值得注意的是,大多数基于Task.WhenAll的解决方案只适用于数量相对较少的任务,或者适用于保证不抛出的asyncAction。否则,等待半小时完成 10,000 个任务会非常令人沮丧,结果只是收到一个异常(这可能是由第一个任务引发的)。
这不是一个强大的解决方案,原因有两个。首先,如果抛出异常,它不会终止循环。其次,throttler 未被处置。
@zmechanic 我认为是否中止异常循环取决于开发人员。
n
nicolas2008

我的 ParallelForEach 异步的轻量级实现。

特征:

节流(最大并行度)。异常处理(完成时会抛出聚合异常)。内存高效(无需存储任务列表)。

public static class AsyncEx
{
    public static async Task ParallelForEachAsync<T>(this IEnumerable<T> source, Func<T, Task> asyncAction, int maxDegreeOfParallelism = 10)
    {
        var semaphoreSlim = new SemaphoreSlim(maxDegreeOfParallelism);
        var tcs = new TaskCompletionSource<object>();
        var exceptions = new ConcurrentBag<Exception>();
        bool addingCompleted = false;

        foreach (T item in source)
        {
            await semaphoreSlim.WaitAsync();
            asyncAction(item).ContinueWith(t =>
            {
                semaphoreSlim.Release();

                if (t.Exception != null)
                {
                    exceptions.Add(t.Exception);
                }

                if (Volatile.Read(ref addingCompleted) && semaphoreSlim.CurrentCount == maxDegreeOfParallelism)
                {
                    tcs.TrySetResult(null);
                }
            });
        }

        Volatile.Write(ref addingCompleted, true);
        await tcs.Task;
        if (exceptions.Count > 0)
        {
            throw new AggregateException(exceptions);
        }
    }
}

使用示例:

await Enumerable.Range(1, 10000).ParallelForEachAsync(async (i) =>
{
    var data = await GetData(i);
}, maxDegreeOfParallelism: 100);

tcs.SetResult(null) 需要替换为 tcs.TrySetResult(null)
@Hocas,您为什么认为需要 TrySetResult ?
我上次使用此代码时遇到了多次调用 SetResult 的问题)When to use SetResult() vs TrySetResult()
@Hocas,这很有趣。 tcs.SetResult(null) 预计不会被执行两次。
使用 SemaphoreSlimCurrentCount 属性来控制执行流程不是一个好主意。在大多数情况下,它会产生竞争条件。使用 Volatile.Read 也是不稳定的(另一种可能的竞争条件)。我不会在生产环境中相信这个解决方案。
J
Jay Shah

我为此创建了一个扩展方法,它利用 SemaphoreSlim 并且还允许设置最大并行度

    /// <summary>
    /// Concurrently Executes async actions for each item of <see cref="IEnumerable<typeparamref name="T"/>
    /// </summary>
    /// <typeparam name="T">Type of IEnumerable</typeparam>
    /// <param name="enumerable">instance of <see cref="IEnumerable<typeparamref name="T"/>"/></param>
    /// <param name="action">an async <see cref="Action" /> to execute</param>
    /// <param name="maxDegreeOfParallelism">Optional, An integer that represents the maximum degree of parallelism,
    /// Must be grater than 0</param>
    /// <returns>A Task representing an async operation</returns>
    /// <exception cref="ArgumentOutOfRangeException">If the maxActionsToRunInParallel is less than 1</exception>
    public static async Task ForEachAsyncConcurrent<T>(
        this IEnumerable<T> enumerable,
        Func<T, Task> action,
        int? maxDegreeOfParallelism = null)
    {
        if (maxDegreeOfParallelism.HasValue)
        {
            using (var semaphoreSlim = new SemaphoreSlim(
                maxDegreeOfParallelism.Value, maxDegreeOfParallelism.Value))
            {
                var tasksWithThrottler = new List<Task>();

                foreach (var item in enumerable)
                {
                    // Increment the number of currently running tasks and wait if they are more than limit.
                    await semaphoreSlim.WaitAsync();

                    tasksWithThrottler.Add(Task.Run(async () =>
                    {
                        await action(item).ContinueWith(res =>
                        {
                            // action is completed, so decrement the number of currently running tasks
                            semaphoreSlim.Release();
                        });
                    }));
                }

                // Wait for all tasks to complete.
                await Task.WhenAll(tasksWithThrottler.ToArray());
            }
        }
        else
        {
            await Task.WhenAll(enumerable.Select(item => action(item)));
        }
    }

样品用法:

await enumerable.ForEachAsyncConcurrent(
    async item =>
    {
        await SomeAsyncMethod(item);
    },
    5);

“使用”将无济于事。 foreach 循环将无限期地等待 semaphone。试试这个重现问题的简单代码: await Enumerable.Range(1, 4).ForEachAsyncConcurrent(async (i) => { Console.WriteLine(i); throw new Exception("test exception"); }, maxDegreeOfParallelism: 2);
@nicolay.anykienko 你是对的#2。这个内存问题可以通过添加 tasksWithThrottler.RemoveAll(x => x.IsCompleted); 来解决。
我已经在我的代码中尝试过了,如果我的 maxDegreeOfParallelism 不为空,则代码死锁。在这里您可以看到所有要重现的代码:stackoverflow.com/questions/58793118/…
当我考虑实现这种方法以供我使用时,我担心的是,我正在处理的 170 万行会导致每个行在 tasksWithThrottler 列表中都有一份工作,这似乎并不理想或真正可扩展。发布解决方案我的队友和我想出使用 ActionBlock 作为单独的解决方案。
请添加取消令牌代码...以及请
T
Tom

在接受的答案中,不需要 ConcurrentBag。这是一个没有它的实现:

var tasks = myCollection.Select(GetData).ToList();
await Task.WhenAll(tasks);
var results = tasks.Select(t => t.Result);

任何“// some pre stuff”和“// some post stuff”都可以进入GetData实现(或另一个调用GetData的方法)

除了更短之外,没有使用“async void”lambda,这是一种反模式。


A
Alexei Levenkov

以下设置为使用 IAsyncEnumerable,但可以修改为使用 IEnumerable,只需更改类型并删除 foreach 上的“等待”。它比创建无数并行任务然后等待它们全部更适合大量数据。

    public static async Task ForEachAsyncConcurrent<T>(this IAsyncEnumerable<T> enumerable, Func<T, Task> action, int maxDegreeOfParallelism, int? boundedCapacity = null)
    {
        ActionBlock<T> block = new ActionBlock<T>(
           action, 
           new ExecutionDataflowBlockOptions 
           { 
             MaxDegreeOfParallelism = maxDegreeOfParallelism, 
             BoundedCapacity = boundedCapacity ?? maxDegreeOfParallelism * 3 
           });

        await foreach (T item in enumerable)
        {
           await block.SendAsync(item).ConfigureAwait(false);
        }

        block.Complete();
        await block.Completion;
    }

您应该将 semaphore.Wait() 替换为 await semaphore.WaitAsync(),以避免阻塞调用者。另请注意,您的解决方案中 SemaphoreSlim 的功能可以替换为 ActionBlockBoundedCapacity 配置以及可等待的 SendAsync 方法。相比之下,它更有效(内存方面)。
@TheodorZoulias 非常感谢您的反馈!这是我正在为一个项目积极开展的工作,因此我将查看这些更改并更新我的解决方案。
@TheodorZoulias 的 stackoverflow.com/a/65251949/477420 回答显示了非常相似的方法......大概 SendAsync 不等待操作完成(我从文档中不清楚)
Caleb Holt 您可能需要注意的另一个问题是,枚举用户提供的 enumerable 可能会导致异常,在这种情况下,您的实现将立即传播此异常,而无需等待 {2 }。这不是最佳行为,因为它可能会使在后台运行的任务不被观察(以即发即弃的方式)。正确实现 ForEachAsync 方法可能非常棘手。我最近才意识到这个问题。
@AlexeiLevenkov SendAsync 方法的文档非常混乱。我怀疑这个星球上是否存在过足够聪明的人,仅仅通过阅读文档就可以理解这种方法的作用。应该深入研究源代码并了解 PostSendAsync 方法都基于隐藏的(显式实现的)OfferMessage API,它有 5 个可能的返回值。 SendAsync 异步处理 Postponed 返回值。
G
Gravity API

对于更简单的解决方案(不确定是否是最佳解决方案),您可以简单地将 Parallel.ForEach 嵌套在 Task 中 - 因此

var options = new ParallelOptions { MaxDegreeOfParallelism = 5 }
Task.Run(() =>
{
    Parallel.ForEach(myCollection, options, item =>
    {
        DoWork(item);
    }
}

ParallelOptions 将为您执行节流,开箱即用。

我在现实世界的场景中使用它在后台运行很长时间的操作。这些操作是通过 HTTP 调用的,它被设计为在长操作运行时不会阻塞 HTTP 调用。

调用 HTTP 进行长时间后台操作。操作从后台开始。用户获取状态 ID,可用于使用另一个 HTTP 调用检查状态。后台操作更新其状态。

这样,CI/CD 调用不会因为长时间的 HTTP 操作而超时,而是每 x 秒循环一次状态而不阻塞进程


Gravity 很抱歉,我不得不对您的回答投反对票,但是将异步委托传递给 Parallel.ForEach 方法不仅仅是“不是最佳实践”。它存在严重且不可挽回的缺陷。 Parallel.ForEach 不理解异步委托,因此 lambda 为 async void。这不是一发不可收拾,而是一发不可收拾。在这种情况下,Parallel.ForEach 不会等待启动的操作完成,不会强制执行最大程度的并行,也不会传播异常。任何异常都将未被处理,并使进程崩溃。
重力这是一个不好的例子。并行化 Console.WriteLine 方法没有意义,因为此方法是同步的。一次只有一个线程可以写入 Console。还要注意 Thread.Sleep(15000); 的丑陋。您添加了这一行,因为否则程序将在 async void 操作完成之前结束,该操作被滥用的 Parallel.ForEach 循环无法控制地启动。这不是编写软件的正确方法。
好吧,无论您是否推荐它们,您都不能通过展示不良示例和间接宣传不良做法来获得好票。从你的答案中删除所有不好的东西并保留好东西怎么样?
Gravity 短语 “您也可以使用异步 lambda”Parallel.ForEach 方法相关,是我无可争辩的反对意见。之前或之后的任何警告,或删除线之类的删除指示,都无法容忍此短语的存在。我只是在谈论我自己的投票标准。其他任何人都可以投票,但他们认为合适。
接受并且有意义。没有那样想,我同意你的标准并相应地更改我的帖子。