IJobFor

本文介绍了C# JobSystem中的IJobFor接口,对比了其与IJobParalleFor的不同,并详细讲解了如何利用index参数进行任务定制和灵活调度,演示了Job.Run、Job.Schedule及ScheduleParallel的性能特点,提倡使用ScheduleParallel进行并行计算以提高效率。

IJobFor

上一节我们了解了什么是C# Job System,并且使用了 IJob 接口完成了一个简单的AddJob。这一节让我们一起来看一下另外一个有意思的接口 IJobFor 。
IJobFor 是 IJobParalleFor 的继任者,它包含了后者的所有功能,并且提供了更好的灵活性,因此我们应该尽量使用 IJobFor 而不是 IJobParalleFor 。
让我们先来对比一下 IJob 和 IJobFor 两接口有什么不同:
    
public interface IJobFor { void Execute ( int index ) ; } public interface IJob { void Execute ( ) ; }
相对于 IJob , IJobFor 接口的Execute()方法多了一个index参数,通过这个参数我们可以访问Job中的NativeContainer容器,对容器中的元素进行相对独立的操作。
除此之外,IJobFor还在任务的调度上给我们提供了更大的灵活性。我们可以用下面三种方式来schedule我们的Job:
    
public void Update ( ) { .. . var position = new NativeArray < Vector3 > ( 500 , Allocator . Persistent ) ; var job = new VelocityJob ( ) ; //run on main thread job . Run ( position . Length ) ; //run on a single worker thread job . Schedule ( position . Length , dependency ) ; //run on parallel worker threads job . ScheduleParallel ( position . Length , 64 , dependency ) ; .. . }
以上三种方式都需要传入一个arrayLength参数,通过这个参数我们可以控制 Execute() 方法执行的次数。 实际上我们传入的arrayLength不一定就是数组的长度,它可以是小于数组长度的任意数值,这也给我们Job执行带来了一定的灵活性。
总的来说,通过选择 Run() , Schedule() , ScheduleParallel() 让我们可以根据任务的特点或使用场景来灵活的进行任务调度。
好,下面让我们进入到Demo环节,这次我们使用的是 Unity官方文档 中的例子,代码如下:
    
using UnityEngine ; using Unity . Collections ; using Unity . Jobs ; class ApplyVelocityParallelForSample : MonoBehaviour { struct VelocityJob : IJobFor { [ ReadOnly ] public NativeArray < Vector3 > velocity ; public NativeArray < Vector3 > position ; public float deltaTime ; public void Execute ( int i ) { position [ i ] = position [ i ] + velocity [ i ] * deltaTime ; } } public void Update ( ) { var position = new NativeArray < Vector3 > ( 500 , Allocator . Persistent ) ; var velocity = new NativeArray < Vector3 > ( 500 , Allocator . Persistent ) ; for ( var i = 0 ; i < velocity . Length ; i ++ ) velocity [ i ] = new Vector3 ( 0 , 10 , 0 ) ; var job = new VelocityJob ( ) { deltaTime = Time . deltaTime , position = position , velocity = velocity } ; job . Run ( position . Length ) ; JobHandle sheduleJobDependency = new JobHandle ( ) ; JobHandle sheduleJobHandle = job . Schedule ( position . Length , sheduleJobDependency ) ; JobHandle sheduleParralelJobHandle = job . ScheduleParallel ( position . Length , 64 , sheduleJobHandle ) ; sheduleParralelJobHandle . Complete ( ) ; Debug . Log ( job . position [ 0 ] ) ; position . Dispose ( ) ; velocity . Dispose ( ) ; } }
让我们先来看一下 IJobFor 的具体实现:
    
struct VelocityJob : IJobFor { [ ReadOnly ] public NativeArray < Vector3 > velocity ; public NativeArray < Vector3 > position ; public float deltaTime ; public void Execute ( int i ) { position [ i ] = position [ i ] + velocity [ i ] * deltaTime ; } }
首先能注意到的是Execute()方法中,我们通过传入的 i 来访问velocity和position数组,这里就产生了一个问题,如果我们使用 i+1 会发生什么呢?如果你试一下就会得到跟下面类似的一个Exception.
IndexOutOfRangeException: Index 64 is out of restricted IJobParallelFor range [0...63] in ReadWriteBuffer.
这其实是C# Job System的Safety system在起作用。他会最大限度保证大家在书写多线程代码时的安全性。
另外一个值得注意的地方就是 [ReadOnly] 属性。当我们把velocity标记为ReadOnly时,我们可以在多个并行的Job中读取velocity数组的内容而不触发safety system。因此我们应该尽量将Job中只读的数据标记成ReadOnly来最大化我们的性能。
最后让我们来看一下IJobFor的三种不同用法在性能上的表现如何,下面是Profiler截图:
在图中我们可以比较明显的观察到Job.Run是运行在主线程的。那Job.Schedule就显得有点奇怪了,他也是运行在主线程上的,这是为什么呢?🤔 其实这是Unity Job System支持的一项特性,叫做任务偷取(Job Steal),当主线程在等待工作(worker)线程执行的过程中也会从任务池中获取任务来执行,很明显,任务偷取在通常情况下会加快所有任务的完成进度。接下来就是Job.ScheduleParallel了,它的执行过程明显要短于前两个,这就要感谢工作(worker)线程了,通过ScheduleParallel我们把任务分发到各个工作线程,让每个线程负责一部分工作,真正做到一方有难,八方支援😁。
稍微总结一下就是,在当前多核心架构当道的大环境下,我们应该尽量使用IJobFor.ScheduleParallel来把任务拆分到多个核心去做并行计算,只有这样我们才能最大化我们程序的执行效率。
好了,以上就是IJobFor的基本用法了,很简单不是么😉,下一节让我们来用IJobFor做一点不一样的东西。
【文章目录】
  1. IJobFor
内容概要:本文详细介绍了“秒杀商城”微服务架构的设计与实战全过程,涵盖系统从需求分析、服务拆分、技术选型到核心功能开发、分布式事务处理、容器化部署及监控链路追踪的完整流程。重点解决了高并发场景下的超卖问题,采用Redis预减库存、消息队列削峰、数据库乐观锁等手段保障数据一致性,并通过Nacos实现服务注册发现与配置管理,利用Seata处理跨服务分布式事务,结合RabbitMQ实现异步下单,提升系统吞吐能力。同时,项目支持Docker Compose快速部署和Kubernetes生产级编排,集成Sleuth+Zipkin链路追踪与Prometheus+Grafana监控体系,构建可观测性强的微服务系统。; 适合人群:具备Java基础和Spring Boot开发经验,熟悉微服务基本概念的中高级研发人员,尤其是希望深入理解高并发系统设计、分布式事务、服务治理等核心技术的开发者;适合工作2-5年、有志于转型微服务或提升架构能力的工程师; 使用场景及目标:①学习如何基于Spring Cloud Alibaba构建完整的微服务项目;②掌握秒杀场景下高并发、超卖控制、异步化、削峰填谷等关键技术方案;③实践分布式事务(Seata)、服务熔断降级、链路追踪、统一配置中心等企业级中间件的应用;④完成从本地开发到容器化部署的全流程落地; 阅读建议:建议按照文档提供的七个阶段循序渐进地动手实践,重点关注秒杀流程设计、服务间通信机制、分布式事务实现和系统性能优化部分,结合代码调试与监控工具深入理解各组件协作原理,真正掌握高并发微服务系统的构建能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值