17370845950

Parallel.ForEachAsync适合带并发度限制的逐项处理，核心是控制MaxDegreeOfParallelism；Task.WhenAll适合全量并发并聚合返回值，无内置限流。选型取决于是否需硬性限流、是否需返回值及数据量大小。

Parallel.ForEachAsync 适合“带并发度限制的逐项处理”

它本质是 foreach 的异步增强版，核心价值在于能控制最大并行数（MaxDegreeOfParallelism），避免瞬间拉起成百上千个 Task 压垮资源。比如调用外部 API、读写文件、数据库批量操作时，你通常不希望无节制并发。

常见错误是误以为它“一定比 Task.WhenAll 快”——其实它只是更可控；如果所有任务彼此完全独立且资源充足，Task.WhenAll 往往启动更快、调度开销更低。

• 必须传入 IAsyncEnumerable 或可转为它的源（如 list.ToAsyncEnumerable()）
• MaxDegreeOfParallelism 默认是 Environment.ProcessorCount，但对 IO 密集型任务常需手动设为 10–50 级别
• 无法直接获取每个任务的返回值；若需结果，得在循环体内显式收集到共享集合（注意线程安全）

await Parallel.ForEachAsync(items, new ParallelOptions { MaxDegreeOfParallelism = 8 }, async (item, ct) =>
{
    var result = await CallExternalApiAsync(item, ct);
    // 注意：这里不能直接 return result
    // 需要用 ConcurrentBag 或 lock 保护的 List
    results.Add(result);
});

Task.WhenAll 适合“全量并发 + 收集返回值”

它只做一件事：把一堆 Task 同时启动，并等它们全部完成，最后返回 Task。没有内置并发数限制，也不关心执行顺序。

典型误用是拿它处理几千个 HTTP 请求却不加限流——可能触发连接池耗尽、远程服务限流或 SocketException。

• 输入是 IEnumerable>，所以你要先用 Select 把数据映射成任务： items.Select(x => DoWorkAsync(x))
• 任一任务失败，整个 Task.WhenAll 就以 AggregateException 失败，需用 await task.ConfigureAwait(false) 或 try/catch 捕获
• 天然支持返回值聚合，无需额外同步机制

var tasks = items.Select(item => CallExternalApiAsync(item));
var results = await Task.WhenAll(tasks); // results 是 T[]

选哪个？看三个关键点

不用背规则，现场问自己：

• 是否需要硬性限制同时跑几个异步操作？→ 是就用 Parallel.ForEachAsync
• 是否必须拿到每个操作的返回值，且数量不大（Task.WhenAll
• 是否要响应取消（CancellationToken）并让所有正在运行的任务及时退出？→ Parallel.ForEachAsync 对 ct 的传播更明确；Task.WhenAll 需确保每个子任务都正确接收并响应 ct

混合场景也常见：先用 Task.WhenAll 并发拉取一批 ID，再用 Parallel.ForEachAsync 分批次处理这些 ID——这时候两者不是互斥，而是分工。

容易被忽略的坑

Parallel.ForEachAsync 的 MaxDegreeOfParallelism 不是“最小并发数”，它只设上限；实际并发数取决于调度和等待 I/O 的时机，可能长期低于该值。

Task.WhenAll 的数组长度就是任务总数，但如果源数据量极大（比如 10 万条），直接生成 10

万个 Task 会吃掉大量内存和调度开销——这时必须分块，用 Chunk + Task.WhenAll 或改用 Parallel.ForEachAsync。

两者都不自动处理重试、超时、降级；这些逻辑得你写在 CallExternalApiAsync 内部，而不是指望并行原语帮你兜底。