Parallel.ForEach 并非总能提速，轻量操作反因调度开销变慢；适用场景为单次迭代≥几毫秒且无强依赖，需避免共享变量、控制并发度、慎用异常与阻塞调用。
Parallel.ForEach 会自动分配线程，但不等于自动变快
多数人以为只要换成 parallel.foreach 就能提速，结果反而更慢——尤其当循环体里是轻量操作（比如简单数学计算或字符串拼接）时，线程调度和同步开销可能远超收益。
真正适合并行的场景是：单次迭代耗时 ≥ 几毫秒、且彼此无强依赖。例如读写文件、调用外部 API、图像像素处理。
- 用
Stopwatch实测单次body执行时间，低于 1ms 就别硬上Parallel.ForEach - 避免在循环体内访问共享变量；真要写，用
Interlocked.Increment或ConcurrentBag<t></t>，别直接 ++ 普通int - 默认线程数由
ThreadPool管理，但 CPU 密集型任务建议限制并发度：ParallelOptions.MaxDegreeOfParallelism = Environment.ProcessorCount
Parallel.For 的索引安全边界容易被忽略
Parallel.For 看似和普通 for 一样用，但它的迭代顺序不保证，而且多个线程可能同时进入同一段逻辑——如果你在循环里用了 list[i] = ... 这种写法，而 list 不是线程安全容器，就会出现覆盖或 IndexOutOfRangeException。
- 只对数组/列表做只读访问？没问题。写入？必须确认目标集合支持并发写，或改用
Parallel.ForEach+ConcurrentDictionary等结构 - 别在
Parallel.For里调用Thread.Sleep或阻塞 I/O，这会让线程池饥饿，拖慢整个程序 - 异常处理要小心：
AggregateException是默认包装器，ex.InnerExceptions才是你真正要 inspect 的错误列表
Parallel.Invoke 不适合串行逻辑拆分
看到“多个任务”，第一反应用 Parallel.Invoke 把几个方法包进去？这只有在它们完全独立、执行时间接近、且都属于 CPU 密集型时才合理。否则极易造成负载不均：一个任务跑 500ms，另两个 20ms，最后等那一个拖完才返回。
- 如果任务耗时不均，优先考虑
Task.Run+await Task.WhenAll，它不抢线程池资源，也更容易 await 和 cancel -
Parallel.Invoke内部没有超时机制，出问题只能靠外部CancellationToken中断，但中断后状态难清理 - 参数是
Action[]，传 lambda 时注意闭包捕获的变量是否线程安全；尤其别在循环里写Parallel.Invoke(() => Do(x))，x 很可能被所有任务共享
别忘了 Parallel LINQ（PLINQ）这个更自然的入口
如果你已经在用 LINQ 查询集合，加个 AsParallel() 比硬套 Parallel.ForEach 更直观，而且 PLINQ 自动处理分区、合并、异常聚合。
- 不是所有 LINQ 操作都支持并行加速：
OrderBy、GroupBy效果明显；First、Any可能提前退出，反而比串行慢 - 用
WithDegreeOfParallelism(n)控制并发数，避免默认值在高核机器上开太多线程 - PLINQ 默认保持顺序（
AsOrdered()），如不需要，显式调用AsUnordered()能提升 10–20% 吞吐
多核不是银弹，Parallel 类只是工具箱里的一把扳手——拧得越用力，越要看清螺纹方向。实际项目里，先 profile 瓶颈点，再决定是换算法、加缓存，还是真需要并行。盲目套 Parallel，常常是给 GC 和线程调度添乱。
