C#并行循环的分区器（Partitioner）详解

为什么需要自定义分区？

考虑以下场景：

• 数据源不是随机访问的（如 LinkedList<T>）
• 每个元素处理时间差异很大（有的快、有的慢）
• 数据量极大，希望动态分配任务以避免线程空闲

这时，使用 Partitioner.Create 创建动态分区（Chunk Partitioning）会更高效。

实战：使用Partitioner优化Parallel.ForEach

下面是一个对比示例：处理一个包含100万个整数的列表。

✅ 默认分区（静态范围）

var data = Enumerable.Range(1, 1_000_000).ToList();Parallel.ForEach(data, item =>{    // 模拟耗时操作    Thread.Sleep(1);    Console.WriteLine($"Processing {item}");});

✅ 自定义动态分区（推荐用于非均匀任务）

using System.Collections.Concurrent;var data = Enumerable.Range(1, 1_000_000).ToList();// 创建动态分区器（chunk partitioning）var partitioner = Partitioner.Create(data, true);Parallel.ForEach(partitioner, chunk =>{    foreach (var item in chunk)    {        // 模拟耗时操作        Thread.Sleep(1);        Console.WriteLine($"Processing {item} on thread {Thread.CurrentThread.ManagedThreadId}");    }});

注意：Partitioner.Create(data, true) 中的 true 表示启用“动态负载均衡”，系统会根据线程处理速度动态分配新块。

高级技巧：自定义Partitioner类

如果你有特殊的数据结构（比如从数据库逐行读取），可以继承 Partitioner<T> 实现自己的分区逻辑。

public class CustomPartitioner : Partitioner<int>{    private readonly IEnumerable<int> _source;    public CustomPartitioner(IEnumerable<int> source) => _source = source;    public override bool SupportsDynamicPartitions => true;    public override IList<ILongEnumerator<int>> GetPartitions(int partitionCount)    {        var dynamicPartitioner = Partitioner.Create(_source, true);        return dynamicPartitioner.GetPartitions(partitionCount);    }}

总结

通过合理使用 C#并行循环 中的 Partitioner分区器，你可以显著提升 Parallel.ForEach自定义分区 的效率，特别是在处理非均匀任务或大数据集时。掌握 C#高性能并行处理 技巧，是成为高级.NET开发者的关键一步。

记住：不是所有场景都需要自定义分区。先用默认方式测试性能，再根据瓶颈决定是否引入Partitioner。

提示：在生产环境中，建议使用性能分析工具（如 dotTrace 或 Visual Studio Profiler）验证分区策略的实际效果。