下面的代码sn-ps有什么区别？两者都不会使用线程池线程吗？
例如，如果我想为集合中的每个项目调用一个函数，
Parallel.ForEach<Item>(items, item => DoSomething(item));
vs
foreach(var item in items)
{
Task.Factory.StartNew(() => DoSomething(item));
}
【问题讨论】：
标签： c# c#-4.0 task-parallel-library parallel-extensions
第一个是更好的选择。
Parallel.ForEach 在内部使用Partitioner<T> 将您的集合分发到工作项中。它不会对每个项目执行一项任务，而是将其批处理以降低所涉及的开销。
第二个选项将为您的收藏中的每个项目安排一个Task。虽然结果（几乎）相同，但这会带来比必要更多的开销，尤其是对于大型集合，并导致整体运行时间变慢。
仅供参考 - 如果需要，可以使用适当的 overloads to Parallel.ForEach 来控制所使用的分区器。有关详细信息，请参阅 MSDN 上的Custom Partitioners。
在运行时，主要区别在于第二个将异步执行。这可以使用 Parallel.ForEach 复制：
Task.Factory.StartNew( () => Parallel.ForEach<Item>(items, item => DoSomething(item)));
通过这样做，您仍然可以利用分区器，但在操作完成之前不要阻塞。
【讨论】：
我做了一个小实验，用“Parallel.For”和“Task”对象运行方法“1,000,000,000（十亿）次。
我测量了处理器时间，发现并行效率更高。 Parallel.For 将您的任务划分为小工作项，并以最佳方式在所有内核上并行执行它们。在创建大量任务对象时（仅供参考，TPL 将在内部使用线程池）将移动每个任务上的每次执行，从而在框中产生更大的压力，这从下面的实验中可以看出。
我还制作了一个小视频，它解释了基本的 TPL，并演示了 Parallel.For 如何比普通任务和线程更有效地利用您的核心http://www.youtube.com/watch?v=No7QqSc5cl8。
实验 1
Parallel.For(0, 1000000000, x => Method1());
实验 2
for (int i = 0; i < 1000000000; i++)
{
Task o = new Task(Method1);
o.Start();
}
【讨论】：
Mehthod1() 在这个例子中做了什么？
Parallel.ForEach 将优化（甚至可能不启动新线程）并阻塞，直到循环完成，并且 Task.Factory 将为每个项目显式创建一个新任务实例，并在它们完成之前返回（异步任务）。 Parallel.Foreach 效率更高。
【讨论】：
在我看来，最现实的情况是任务需要完成繁重的操作。 Shivprasad 的方法更多地关注对象创建/内存分配，而不是计算本身。我做了一项研究，调用以下方法：
public static double SumRootN(int root)
{
double result = 0;
for (int i = 1; i < 10000000; i++)
{
result += Math.Exp(Math.Log(i) / root);
}
return result;
}
此方法的执行大约需要 0.5 秒。
我使用 Parallel 调用了 200 次：
Parallel.For(0, 200, (int i) =>
{
SumRootN(10);
});
然后我用老式的方式调用了 200 次：
List<Task> tasks = new List<Task>() ;
for (int i = 0; i < loopCounter; i++)
{
Task t = new Task(() => SumRootN(10));
t.Start();
tasks.Add(t);
}
Task.WaitAll(tasks.ToArray());
第一个案例在 26656 毫秒内完成，第二个案例在 24478 毫秒内完成。我重复了很多次。每次第二种方法都快一点。
【讨论】：