.net - 正则表达式的多线程使用

Question

鉴于 MSDN 的以下内容:

Regex objects can be created on any thread and shared between threads.

我发现为了性能，它更好 不是 分享一个 Regex使用 ThreadLocal 时线程之间的实例类(class)。

请有人解释为什么线程本地实例的运行速度大约快 5 倍？

以下是结果(在 8 核机器上):

   Using Regex singleton' returns 3000000 and takes 00:00:01.1005695
   Using thread local Regex' returns 3000000 and takes 00:00:00.2243880

源代码:

using System;
using System.Linq;
using System.Threading;
using System.Text.RegularExpressions;
using System.Diagnostics;

namespace ConsoleApplication1
{
    class Program
    {
        static readonly string str = new string('a', 400);
        static readonly Regex re = new Regex("(a{200})(a{200})", RegexOptions.Compiled);

        static void Test(Func<Regex> regexGettingMethod, string methodDesciption)
        {
            Stopwatch sw = new Stopwatch();
            sw.Start();
            var sum = Enumerable.Repeat(str, 1000000).AsParallel().Select(s => regexGettingMethod().Match(s).Groups.Count).Sum();
            sw.Stop();
            Console.WriteLine("'{0}' returns {1} and takes {2}", methodDesciption, sum, sw.Elapsed);
        }

        static void Main(string[] args)
        {
            Test(() => re, "Using Regex singleton");

            var threadLocalRe = new ThreadLocal<Regex>(() => new Regex(re.ToString(), RegexOptions.Compiled));
            Test(() => threadLocalRe.Value, "Using thread local Regex");

            Console.Write("Press any key");
            Console.ReadKey();
        }
    }
}

Answer 1

公布我的调查结果。

让我们使用 ILSpy 正则表达式。它包含对 RegexRunner 的引用。当 Regex 对象匹配某些内容时，它会锁定其 RegexRunner。如果对同一个 Regex 对象有另一个并发请求，则会创建另一个 RegexRunner 的临时实例。 RegexRunner 是昂贵的。共享 Regex 对象的线程越多，浪费时间创建临时 RegexRunner 的机会就越大。希望微软能在大规模并行时代解决这个问题。

另一件事:Regex 类的静态成员将模式字符串作为参数(如 Match.IsMatch(input, pattern))在不同线程中匹配相同模式时也必须表现不佳。 Regex 维护着 RegexRunners 的缓存。具有相同模式的两个并发 Match.IsMatch() 将尝试使用相同的 RegexRunner，并且一个线程将不得不创建临时 RegexRunner。

感谢 Will 让我知道您在这里如何处理 topic-starter 已找到答案的问题。