c# - 父任务不等待子任务

Question

首先，我对线程非常陌生。我想要完成的是，有一个 url 列表，我正在尝试抓取(我认为)并检测 flash(如果 url 有它)，并且这也是并行的。一些 url 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)我想要一种更好的方法来并行爬取 url(如果需要则递归)2) 如果我写的是一个好的方法，那么我应该怎么做才能让一个任务等待它的 child ？

附言我搜索了 stackoverflow，但找不到我需要的东西。抱歉，如果我错过了有人已经回答过与我类似的问题。

    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”。并发是一次做不止一件事；并行是一种使用多线程的并发形式；异步是一种没有线程的并发形式。当您希望将线程分布到多个 CPU 内核时，并行最适合 CPU 绑定(bind)代码。当您不想阻塞线程时，异步最适合 I/O 绑定(bind)代码。

在您的情况下，看起来您主要受 I/O 限制，因此异步是可行的方法。这意味着 AsParallel和 Parallel.ForEach是针对此问题的不正确解决方案(它们是并行的，而不是异步的)。

下一课(正如我在博客中描述的那样)是你 don't want to block on asynchronous code ;阻塞破坏了整个异步点。所以Task<T>.Result和 Task.Wait不应使用。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
          }
        }
      }
    }
  }
}

既然该方法是正确的异步方法，您可以考虑添加更多并发性。例如，如果您想同时处理所有子链接，则 foreach循环可以重写为:

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