Question

首先，我对线程很新。我想要完成的是，有一个网址列表，我正在尝试抓取（我认为）并检测flash是否有网址，而且过于平行。一些网址有外部链接，这意味着我必须生成一个新任务并递归调用我的方法。我想使用AsParallel或Parallel.ForEach，但它们不接受任务输入。

所以我有两个问题。 1）我想要一个更好的方法来并行抓取网址（如果需要递归） 2）如果我写的是一个很好的方法，那么我应该怎么做才能让一个任务等待它的孩子呢？

P.S。我搜索了stackoverflow，找不到我需要的东西。很抱歉，如果我错过了有人已经回答过类似问题的问题。

    async Task CrawlAndDetectFlash(LearningResource resource, string url, int depth)
    {
        using (var client = new HttpClient())
        using (var response = await client.GetAsync(url))
        {
            response.EnsureSuccessStatusCode();
            using (var content = response.Content)
            {
                var result = content.ReadAsStringAsync().Result;
                resource.FlashRequired = result.Contains("application/x-shockwave-flash") || result.Contains("application/x-director") || result.Contains(".swf") ? 1 : 0;
                if (resource.FlashRequired == 0 && depth == 1)
                {
                    var document = new HtmlDocument();
                    document.LoadHtml(result);
                    var links = document.DocumentNode.Descendants("a")
                        .Where(a => a.Attributes.Contains("class") && String.Equals(a.GetAttributeValue("class", string.Empty), "external"))
                        .Select(a => a.GetAttributeValue("href", null))
                        .Distinct()
                        .Where(u => !String.IsNullOrEmpty(u))
                        .ToList();
                    if (links.Count > 0)
                    {
                        foreach (var link in links)
                        {
                            Task child = CrawlAndDetectFlash(resource, link, 2);
                            child.Wait();
                        }
                    }
                }
            }
        }
    }

Answer 1

首先，您需要区分“并发”，“并行”和“异步”。并发性一次只能做一件事;并行性是一种使用多线程的并发形式; andynchrony是一种没有线程的并发形式。当您想要跨多个CPU核心分布线程时，并行性最适合CPU绑定代码。当您不想阻止线程时，异步最适合I / O绑定代码。

在您的情况下，看起来您主要是I / O绑定，因此异步是要走的路。这意味着AsParallel和Parallel.ForEach是解决此问题的不正确解决方案（它们是并行的，而非异步的）。

下一课（正如我在博客中所述）是你don't want to block on asynchronous code;阻止失败了整个异步点。因此，不应使用Task<T>.Result和Task.Wait。而不是这些，只需使用await：

async Task CrawlAndDetectFlashAsync(LearningResource resource, string url, int depth)
{
  using (var client = new HttpClient())
  using (var response = await client.GetAsync(url))
  {
    response.EnsureSuccessStatusCode();
    using (var content = response.Content)
    {
      var result = await content.ReadAsStringAsync(); // Result -> await
      resource.FlashRequired = result.Contains("application/x-shockwave-flash") || result.Contains("application/x-director") || result.Contains(".swf") ? 1 : 0;
      if (resource.FlashRequired == 0 && depth == 1)
      {
        var document = new HtmlDocument();
        document.LoadHtml(result);
        var links = document.DocumentNode.Descendants("a")
                    .Where(a => a.Attributes.Contains("class") && String.Equals(a.GetAttributeValue("class", string.Empty), "external"))
                    .Select(a => a.GetAttributeValue("href", null))
                    .Distinct()
                    .Where(u => !String.IsNullOrEmpty(u))
                    .ToList();
        if (links.Count > 0)
        {
          foreach (var link in links)
          {
            Task child = CrawlAndDetectFlashAsync(resource, link, 2);
            await child; // Wait -> await
          }
        }
      }
    }
  }
}

现在该方法是正确异步的，您可以考虑添加更多的并发性。例如，如果要同时处理所有子链接，可以将foreach循环重写为：

if (links.Count > 0)
{
  var childTasks = links.Select(x => CrawlAndDetectFlashAsync(resource, x, 2)).ToList();
  await Task.WhenAll(childTasks);
}

Answer 2

您可以像这样修改您的代码

NR>1

父任务不等待子任务

2 个答案: