通常在大数据量计算的应用程序里,CPU大部分时间处理等待状态.在一个单线程的应用程序里，这些查询会导致window消息处理能力阻塞,这里会导致计算时间很长,CPU利用率也非常低.
           最近一直在研究,提高处理性能的方法.
            开始利用,多线程,异步的方法来实现,
            下面的语句是用来分段进行数据整合, (如按天,或按月,对中间数据进行整合)整合SQL通过批量生成
            在单线程的执行时间,CPU利用率一般在1-10%,(服务器HP 580 4 CPU XEON 3.0G 16G内存,加盘柜),这样整合时间太长。
          如果分段整合，CPU利用率就在40-80%得到比较大的利用。

    FileInfo[] files;
        private void button1_Click(object sender, System.EventArgs e)
        {
            if(folderBrowserDialog1.ShowDialog() == DialogResult.OK)
            {
                System.IO.DirectoryInfo di = new DirectoryInfo(folderBrowserDialog1.SelectedPath);
                files = di.GetFiles();
            
                
                ThreadStart ts = new ThreadStart(start);
                Thread thread = new Thread(ts);
                thread.Start();
                
                
            }
        }
        public  delegate string myMethodDelegate( object[] args);
        static int t = 0;
        void start()
        {
            foreach(FileInfo file in files)
            {
                System.IO.StreamReader sr = new StreamReader(file.FullName,System.Text.Encoding.Default);
                string txt = sr.ReadToEnd();
                sr.Close();
                myMethodDelegate ddd= new myMethodDelegate(Work2);
                ddd.BeginInvoke(new object[]{txt_connectString.Text,txt,file.FullName},new AsyncCallback(EndWorkBack), null);

                Write(string.Format("T:{0}|{1}   {1}\r\n",DateTime.Now,file.FullName,t));
        
                //_Task.StartTask(new TaskDelegate(_Task.Work2),new object[]{txt_connectString.Text,txt});
                
            }
            
        }
        public string Work2( object[] args)
        {
            using(SqlConnection conn = new SqlConnection(args[0].ToString()))
            {
                using(SqlCommand comm = new SqlCommand(args[1].ToString(),conn))
                {
                    comm.CommandTimeout = 60000;
                    conn.Open();
                    comm.ExecuteNonQuery();
                }
                conn.Close();
            }
            return args[2].ToString();

            
        }
        int i =0;
        protected void EndWorkBack( IAsyncResult ar ) 
        { 
            myMethodDelegate ddd = (myMethodDelegate)ar.AsyncState; 
            string result = ddd.EndInvoke( ar ); 
            i++;
            Write(string.Format("T:{3}:{2}:{0}    {1}\r\n",result,DateTime.Now,i,t));
        } 
        public void Write(string msg)
        {
            System.IO.StreamWriter sw = new StreamWriter("C:\\install.log",true,System.Text.Encoding.Default);
            sw.WriteLine(msg);
            sw.Close();

        }

         不过上面程序也有一点问题，就是异步线程数据没有好的控制。如果同时执行线程，过多，CPU时间片分配就不合理，执行速度反而慢。
    后来就一直想用线程池的来合理处理线程。
         。Net自带的线程池使用起来比较简单。
       通过System.Threading.ThreadTool类就可以使用，
    定义回调方法
            WaitCallback async = new WaitCallback(FExeute);
        通过ThreadPool.QueueUserWorkItem(async,service);加入队列
        回调方法执行运算
        

public  void FExeute(object Param)
        {
            //myResetEvent.WaitOne();
            using(TG_EvaluteBaseDatasSet service = (TG_EvaluteBaseDatasSet)Param)
                  {
                service.doResult();
                writeFile(Path,service)    ;
                OnTgReport(new ReportEvent(service.TE_PASS_RANGE,service.TE_YEAR,service.TE_MONTH,int.Parse(service.TE_I_E_FLAG),int.Parse(service.TE_ENTRY_TYPE)));
            }
            Interlocked.Decrement(ref number);
            //number--;
            
        }

    其中Interlocked.Decrement,是调用原子操作，进行减操作，
            Interlocked.Increment(ref number);是调用原子操作，进行加
    原子操作在多线程中不会有冲突。
          线程池有几点好处，
        1。多线程执行，
        2。根据CPU个数，性能等，合理安排执行的线程，（在实际操作过程中，通过SQL SERVER企业管理器中查看当前活动的进程数，可以看到当前正在执行的线程数）
        3。异步操作。
       相关资源：
       http://www.ddvip.net/program/c-/index2/15.htm
        http://www.codeproject.com/csharp/threadtests.asp
        http://www.microsoft.com/china/MSDN/library/netFramework/netframework/NECLRT.mspx

    源码下载：
            https://files.cnblogs.com/edobnet/Report.rar