注意：可以在My Github页面上找到完整的可下载程序版本

因此，根据Amdahl定律，我们将工作分为“必须连续运行的工作”和“可以并行化的工作 ”，所以让我们将这两个工作负载表示为List ：

 var serialWorkLoad = new List { DoHeavyWork, DoHeavyWork }; var parallelizableWorkLoad = new List { DoHeavyWork, DoHeavyWork, DoHeavyWork, DoHeavyWork, DoHeavyWork, DoHeavyWork, DoHeavyWork, DoHeavyWork }; 

在哪里DoHeavyWork代表被抽象出色：

 static void DoHeavyWork() { Thread.Sleep(500); } 

正如您所看到的那样，我已经使可并行化的工作负载变得更加有趣，并且能够成为一个很好的例子。

接下来，我们必须在Serial中运行两个工作负载以获得我们的基线：

 var stopwatch = new Stopwatch(); stopwatch.Start(); // Run Serial-only batch of work foreach (var serialWork in serialWorkLoad) { serialWork(); } var s1 = stopwatch.ElapsedMilliseconds; // Run parallelizable batch of work in serial to get our baseline foreach (var notParallelWork in parallelizableWorkLoad) { notParallelWork(); } stopwatch.Stop(); var s2 = stopwatch.ElapsedMilliseconds - s1; 

此时，我们将每个工作负载连续运行多长时间。 现在，让我们再次运行它，并行化部分并行化。

 stopwatch.Reset(); stopwatch.Start(); // Run Serial-only batch of work foreach (var serialWork in serialWorkLoad) { serialWork(); } var p1 = stopwatch.ElapsedMilliseconds; // Run parallelizable batch of work in with as many degrees of parallelism as we can Parallel.ForEach(parallelizableWorkLoad, (workToDo) => workToDo()); // In Java this is Magic Unicorns stopwatch.Stop(); var p2 = stopwatch.ElapsedMilliseconds - p1; 

现在我们已经有了基线和并行化版本，我们可以计算加速并报告我们的发现：

 var speedup = (double)(s1 + s2) / (p1 + p2); Console.WriteLine("Serial took : {2}ms, {0}ms for serial work and {1}ms for parallelizable work", s1, s2, s1 + s2); Console.WriteLine("Parallel took: {2}ms, {0}ms for serial work and {1}ms for parallelizable work", p1, p2, p1 + p2); Console.WriteLine("Speedup was {0:F}x", speedup); 

正如Amdahl定律告诉你的那样，由于只有串行工作，很难用你拥有的核心来完美地扩展。

上述就是C#学习教程：C＃中的Amdahl定律示例分享的全部内容，如果对大家有所用处且需要了解更多关于C#学习教程，希望大家多多关注—计算机技术网(www.ctvol.com)!