Підсумки

Висновки

Паралелізм даних застосовує одну операцію до частин великого набору даних і масштабується разом з обсягом даних. Цикл розпаралелюють, якщо ітерації незалежні; залежності через спільні змінні усувають редукцією з локальним станом потоку. Клас Parallel надає цикли For і ForEach з налаштуваннями ParallelOptions, достроковим завершенням Break/Stop та збиранням винятків в AggregateException, а для асинхронних тіл – ForEachAsync і ForAsync. Швидкодія визначається розбиттям даних: діапазонне розбиття має найменші накладні витрати, блочне й динамічне балансують навантаження, а Partitioner.Create з діапазонами потрібен для дрібних тіл циклу. PLINQ розпаралелює запити LINQ одним викликом AsParallel, але не зберігає порядок без AsOrdered і не завжди швидший за LINQ. Паралельна агрегація коректна лише для асоціативних (а без упорядкування – і комутативних) операцій. Дерево редукції та алгоритм Блеллока мають логарифмічну глибину, а паралельні сортування (злиттям, швидке, парно-непарне, sample sort) поєднують поділ даних із задачами та порогом переходу на послідовний алгоритм. Результати оцінюють таблицями прискорення й ефективності для сильної та слабкої масштабованості.

Питання для самоперевірки

1. Чим паралелізм даних відрізняється від паралелізму задач?
2. За яких умов ітерації циклу можна виконувати паралельно?
3. Які параметри має ParallelOptions?
4. Чим відрізняються методи Break і Stop? Що містить ParallelLoopResult?
5. Як обробляються винятки в паралельних циклах і PLINQ?
6. Для чого використовують делегати localInit і localFinally?
7. Коли потрібні Parallel.ForEachAsync і Parallel.ForAsync?
8. Порівняйте діапазонне, блочне й динамічне розбиття даних.
9. Навіщо використовувати Partitioner.Create(from, to, rangeSize)?
10. Які режими злиття має PLINQ і чим вони відрізняються?
11. Як впорядкованість впливає на результат і швидкодію PLINQ?
12. Коли запит PLINQ повільніший за LINQ?
13. Чому операція агрегації має бути асоціативною? Коли потрібна ще й комутативність?
14. Опишіть дерево редукції та алгоритм Блеллока для префіксної суми.
15. Як влаштоване паралельне сортування злиттям і чим обмежене його прискорення?
16. Як забезпечити відтворюваність паралельного методу Монте-Карло?

Корисні посилання

• Паралелізм даних (TPL): https://learn.microsoft.com/dotnet/standard/parallel-programming/data-parallelism-task-parallel-library
• Клас Parallel: https://learn.microsoft.com/dotnet/api/system.threading.tasks.parallel
• Цикли з локальними змінними потоку: https://learn.microsoft.com/dotnet/standard/parallel-programming/how-to-write-a-parallel-for-loop-with-thread-local-variables
• Розбивачі для PLINQ і TPL: https://learn.microsoft.com/dotnet/standard/parallel-programming/custom-partitioners-for-plinq-and-tpl
• Вступ до PLINQ: https://learn.microsoft.com/dotnet/standard/parallel-programming/introduction-to-plinq
• Режими злиття PLINQ: https://learn.microsoft.com/dotnet/standard/parallel-programming/merge-options-in-plinq
• Потенційні проблеми паралелізму даних і задач: https://learn.microsoft.com/dotnet/standard/parallel-programming/potential-pitfalls-in-data-and-task-parallelism
• Профілювання в Rider: https://www.jetbrains.com/help/rider/Profiling_Applications.html