最近在看一些 open source 的 專案，看到一個關鍵字 Task.WhenAll ，看了一下跟 Parallel.ForEach

看起來不是差不多的東西嗎? 問一下 GPT 原來是有差異的，今天筆記一下，希望自己以後可以用的比較恰當..

先一句話簡單兩個區別:

Task.WhenAll = 非同步 I/O Turbo 模式

Parallel.ForEach = CPU 多核心 Turbo 模式

所以簡單的說，如果大量平行呼叫服務操作建議使用 Task.WhenAll ， 這點是我很常犯的，畢竟我常常就是無腦 Parallel.ForEach 

直接做平行處理

這舉幾個常用案例 - 

1. 大量 I/O ，這邊裡有一個迷思，如果我是大量讀取檔案做反序列化，算是大量 File I/O 處理嗎?

雖然是大量 File I/O 讀取，但是因為你會處理檔案譬如反序列化，或是讀取出來做一些位元推移，所以建議還是使用 Parallel.ForEach

畢竟這還是處於大量CPU 處理範圍，但是如果是呼叫呼叫外部 API則使用 Task.WhenAll

var urls = new[] { "https://example.com/a", "https://example.com/b", "https://example.com/c" }; var http = new HttpClient(); // 真正適合 I/O 的寫法：全部同時等待，不吃 CPU var tasks = urls.Select(async url => { Console.WriteLine($"Start {url}"); var res = await http.GetStringAsync(url); Console.WriteLine($"Done {url}"); return res; }); var results = await Task.WhenAll(tasks);

2. 大量 CPU ，比較常見就是讀取大量檔案(而且要處理檔案)或是資料庫資料處理。

var files = Directory.GetFiles("./images"); var files = Directory.GetFiles("./images"); Parallel.ForEach(files, file => { using var img = Image.Load(file); img.Mutate(x => x.Resize(200, 200)); img.Save($"thumb/{Path.GetFileName(file)}"); });

3. 無法判斷怎麼辦?! 其實我個人都會先用 Parallel.ForEach ，但是只要想到這 Task 可能不需要使用到大量 CPU，只是數量多而已

就可以使用 Task.WhenAll ，GPT 是推薦，兩個可以分批使用先透過 Task.WhenAll 拉回資料後，使用 Parallel.ForEach 

這邊給上  GPT 給我的 快速查表

-

功能	Task.WhenAll	Parallel.ForEach
適用場景	I/O（等待遠端）	CPU heavy（做計算）
ThreadPool 使用	幾乎不佔用	佔滿 CPU 核心
效能	同時等待 → 快	同時計算 → 快
不適合	CPU heavy	I/O
呼叫 async	可以	不行（會 deadlock 或變慢）

這邊也附上一些狀況推薦使用的情形 GPT 提供的推演狀況

你的 JSON 檔案來源	用什麼？	原因
SSD / NVMe 本地小檔大量讀取	Parallel.ForEach	Deserialize 超吃 CPU
本機 HDD 大量小檔	Parallel.ForEach	仍然 CPU bottleneck
Network Share / NAS（慢）	Task.WhenAll	I/O latency 很高
AWS S3 / GCS 下載	Task.WhenAll	典型 I/O Bound
單檔很大（>100MB）	Task.WhenAll	I/O Reading 才是瓶頸
讀完 JSON 後還要大量 CPU 處理	Parallel.ForEach	全程 CPU 為主

先筆記到這邊，總結一下，Task.WhenAll 和 Parallel.ForEach 根本不是替代品

Task.WhenAll 適合等東西：I/O bound、外部 API、資料庫、檔案讀寫

Parallel.ForEach 適合算東西：CPU bound、影像處理、反序列化、資料批次運算

總之等的用 Task.WhenAll，算的用 Parallel.ForEach，當然這都是你最後再優化上面再拉升效能的手段之一