Parallel并行编程可以让我们使用极致的使用CPU。并行编程与多线程编程不同，多线程编程无论怎样开启线程，也是在同一个CPU上切换时间片。而并行编程则是多CPU核心同时工作。耗时的CPU计算操作选择并行是明智的。通常情况，每个CPU核心代表一个硬件线程，但超线程技术，可以使一个cpu核心具有两个硬件线程。软件线程顾名思义就是我们在程序中所开启的。
下面看一个最基础的并行编程的例子，也足以体现多核心并行运行的好处，当然微软.NET为我们封装后，我们也不必过多关注底层操作，那我们就看一下运行结果。
static void Main(string[] args)
{
#region 实验1 var watch = Stopwatch.StartNew(); watch.Start(); FirstOption(); SecondOption(); Console.WriteLine("串行编程耗时:{0}", watch.ElapsedMilliseconds); watch.Restart(); Parallel.Invoke(FirstOption, SecondOption); watch.Stop(); Console.WriteLine("并行编程耗时:{0}", watch.ElapsedMilliseconds); Console.Read();
} static void FirstOption()
{
//假装CPU耗时操作
Console.WriteLine("我在时间{0}开始",DateTime.Now);
Thread.Sleep();
Console.WriteLine("我是任务一,耗时3s"); } static void SecondOption()
{
//假装CPU耗时操作
Console.WriteLine("我在时间{0}开始", DateTime.Now);
Thread.Sleep();
Console.WriteLine("我是任务二，耗时5s"); }
看完结果，相信不用我说，你也明白了，并行操作由多核心同时操作。
可能你会问如果我需要执行十几个类似于示例中的Option方法怎么办，那就要看你的核心数量了，如果核心数量不足，并不是所有的操作都是同一秒进行的。
代码就不上了，就是弄了11个option,可以看出我的配置很菜，有些时候同一秒开启只两个option，原因就是另外的option耗时比较长，在占用状态。
下面将介绍Parallel的For循环。并限制其能使用的硬件线程个数。
代码如下：
var bag = new ConcurrentBag<int>();
GC.Collect();
watch.Start(); ParallelOptions options = new ParallelOptions(); //设置硬件线程数
options.MaxDegreeOfParallelism = ;
//options.MaxDegreeOfParallelism = 2;
//options.MaxDegreeOfParallelism = 3;
//options.MaxDegreeOfParallelism = 4; Parallel.For(, , options, i =>
{
bag.Add(i);
});
//for (int i = 0; i < 20000000; i++)
//{
// bag.Add(i);
//}
watch.Stop();
Console.WriteLine("并行计算：集合有:{0},使用的时间：{1}", bag.Count, watch.ElapsedMilliseconds);
Console.ReadKey();
我分别使用1，2，3个硬件线程数和4个硬件线程数作比较。效果很明显！
关于Parallel的For循环，实际上和我们普通的串行编程功能一样，只不过在并行编程中，.NET底层帮助我们大限度的使用了CPU而已。如果你不限制硬件线程数，通常会尽最大可能使用资源。
同时我也测试了串行代码。
另外受环境影响，并行的优势并非绝对。
2016.10.07补充。
在服务器应用上，通常也就是我们的web应用，很多时候使用并行编程会降低你的处理性能，也许在你的用户特别少的情况下会有些作用。
并行编程主要应该是用在桌面应用这种，让用户的机器完全利用起来。