如何处理任务并行库中的目录文件？

Question

我有一个场景，我必须基于处理器内核并行处理多个文件（例如 30 个）。我必须根据处理器内核的数量将这些文件分配给单独的任务。我不知道如何对要处理的每个任务进行开始和结束限制。例如，每个任务都知道它必须处理多少个文件。

    private void ProcessFiles(object e)
    {
        try
        {
            var diectoryPath = _Configurations.Descendants().SingleOrDefault(Pr => Pr.Name == "DirectoryPath").Value;

            var FilePaths = Directory.EnumerateFiles(diectoryPath);
            int numCores = System.Environment.ProcessorCount;
            int NoOfTasks = FilePaths.Count() > numCores ? (FilePaths.Count()/ numCores) : FilePaths.Count();


            for (int i = 0; i < NoOfTasks; i++)
            {
                Task.Factory.StartNew(
                        () =>
                        {
                            int startIndex = 0, endIndex = 0;
                            for (int Count = startIndex; Count < endIndex; Count++)
                            {
                                this.ProcessFile(FilePaths);
                            }
                        });

            }
        }
        catch (Exception ex)
        {
            throw;
        }
    }

Answer 1

对于像您这样的问题，C# 中有可用的并发数据结构。您想使用BlockingCollection 并将所有文件名存储在其中。

您使用机器上可用的内核数来计算任务数的想法不是很好。为什么？因为ProcessFile() 可能不会为每个文件花费相同的时间。因此，最好将任务数作为您拥有的核心数开始。然后，让每个任务从 BlockingCollection 中一个一个读取文件名，然后处理该文件，直到 BlockingCollection 为空。

try
{
    var directoryPath = _Configurations.Descendants().SingleOrDefault(Pr => Pr.Name == "DirectoryPath").Value;

    var filePaths = CreateBlockingCollection(directoryPath);
    //Start the same #tasks as the #cores (Assuming that #files > #cores)
    int taskCount = System.Environment.ProcessorCount;

    for (int i = 0; i < taskCount; i++)
    {
        Task.Factory.StartNew(
                () =>
                {
                    string fileName;
                    while (!filePaths.IsCompleted)
                    {
                         if (!filePaths.TryTake(out fileName)) continue;
                         this.ProcessFile(fileName);
                    }
                });
     }
}

CreateBlockingCollection() 如下：

private BlockingCollection<string> CreateBlockingCollection(string path)
{
    var allFiles = Directory.EnumerateFiles(path);
    var filePaths = new BlockingCollection<string>(allFiles.Count);
    foreach(var fileName in allFiles)
    {
        filePaths.Add(fileName);
    }
    filePaths.CompleteAdding();
    return filePaths;
}

您现在必须修改您的 ProcessFile() 以接收文件名，而不是获取所有文件路径并处理其块。

这种方法的优点是现在您的 CPU 不会被过度或不足订阅，负载也将均匀平衡。

---

_{我自己没有运行代码，所以我的代码中可能存在一些语法错误。如果您遇到任何错误，请随时更正。}

Answer 2

基于我公认的对 TPL 的有限理解，我认为您的代码可以这样重写：

private void ProcessFiles(object e)
{
    try
    {
        var diectoryPath = _Configurations.Descendants().SingleOrDefault(Pr => Pr.Name == "DirectoryPath").Value;

        var FilePaths = Directory.EnumerateFiles(diectoryPath);

        Parallel.ForEach(FilePaths, path => this.ProcessFile(path));

    }
    catch (Exception ex)
    {
        throw;
    }
}

问候