1. 为什么需要多线程想象一下你在餐厅点餐的场景如果只有一个服务员他必须依次处理每位顾客的点单、上菜、结账这时候其他顾客就只能干等着。多线程就像雇佣多个服务员让不同任务可以并行处理——这就是多线程的核心价值。在C#中多线程主要解决两类问题提升响应速度比如在GUI程序中后台线程处理耗时计算避免界面卡死充分利用多核CPU现代CPU都是多核心设计单线程只能用到其中一个核心早期我们使用System.Threading.Thread类创建线程典型代码如下Thread worker new Thread(() { Console.WriteLine(线程ID Thread.CurrentThread.ManagedThreadId); }); worker.Start();这种方式的痛点很明显每次new Thread()都会创建一个操作系统级线程创建和销毁成本很高。我在实际项目中就遇到过频繁创建线程导致系统资源耗尽的情况。2. Thread的局限性2.1 资源消耗问题每个Thread实例都会占用约1MB的栈内存。在需要处理1000个并发请求的服务器场景中光是线程栈就会吃掉1GB内存。更糟的是线程切换上下文切换的成本高达微秒级。2.2 管理复杂度手动管理线程的生命周期很容易出错。比如这个典型问题for (int i 0; i 10; i) { new Thread(() Console.WriteLine(i)).Start(); }你以为会输出0-9实际可能输出10个10这是因为闭包捕获的是变量i的引用。2.3 功能缺失Thread原生不支持任务取消返回值获取异常传播任务延续这些都需要开发者手动实现我在早期项目中就写过不少这样的样板代码。3. Task的诞生与优势.NET 4.0引入的Task Parallel Library (TPL)带来了全新范式。Task不是对Thread的简单封装而是更高级的抽象——它代表一个异步操作这个操作可能由线程池线程执行也可能根本不用线程比如IO完成端口。3.1 线程池的智慧Task默认使用线程池避免了频繁创建销毁线程的开销。来看个对比实验// Thread方式 var stopwatch Stopwatch.StartNew(); for (int i 0; i 1000; i) { new Thread(() Thread.Sleep(10)).Start(); } Console.WriteLine($Thread耗时{stopwatch.ElapsedMilliseconds}ms); // Task方式 stopwatch.Restart(); var tasks new ListTask(); for (int i 0; i 1000; i) { tasks.Add(Task.Run(() Thread.Sleep(10))); } Task.WaitAll(tasks.ToArray()); Console.WriteLine($Task耗时{stopwatch.ElapsedMilliseconds}ms);在我的i7笔记本上测试Thread方式耗时约2000ms而Task方式仅需150ms3.2 功能完备性Task原生支持现代并发编程需要的各种特性返回值获取Taskint task Task.Run(() { Thread.Sleep(1000); return 42; }); Console.WriteLine(task.Result); // 阻塞直到获取结果异常处理try { Task.WaitAll( Task.Run(() { throw new Exception(Oops!); }), Task.Run(() { throw new Exception(Damn!); }) ); } catch (AggregateException ex) { foreach (var e in ex.InnerExceptions) { Console.WriteLine(e.Message); } }任务取消var cts new CancellationTokenSource(); Task.Run(() { while (!cts.IsCancellationRequested) { Thread.Sleep(100); } }, cts.Token); cts.CancelAfter(1000); // 1秒后取消4. async/await革命.NET 4.5的async/await语法让异步编程变得直观。编译器会将async方法转换为状态机自动处理所有回调逻辑。4.1 基本用法async Taskint GetPageLengthAsync(string url) { using (var client new HttpClient()) { string content await client.GetStringAsync(url); return content.Length; } }4.2 底层原理编译器会将上述代码转换为类似这样的结构class StateMachine { int state; string url; HttpClient client; TaskCompletionSourceint tcs; void MoveNext() { try { if (state 0) { client new HttpClient(); var task client.GetStringAsync(url); task.ContinueWith(_ MoveNext()); state 1; return; } string content task.Result; tcs.SetResult(content.Length); } catch (Exception ex) { tcs.SetException(ex); } } }4.3 常见误区async void只用于事件处理无法捕获异常死锁风险在UI线程调用.Result会导致死锁// 错误示例 var result GetPageLengthAsync(url).Result; // 正确做法 var result await GetPageLengthAsync(url);5. 实战选择指南5.1 什么时候用Thread需要精细控制线程优先级如实时系统需要长时间运行的后台线程需要单线程单元(STA)的COM交互5.2 什么时候用Task大多数I/O密集型操作文件、网络CPU密集型并行计算配合Parallel类需要任务组合、取消等高级功能时5.3 性能对比在我的压力测试中10000次并发指标Thread方式Task方式内存占用(MB)102432创建时间(ms)2100120上下文切换(次)98001506. 高级技巧6.1 任务组合// 并行执行多个任务 var tasks new ListTaskstring(); for (int i 0; i 10; i) { tasks.Add(FetchDataAsync($api/data/{i})); } // 等待任意一个完成 var firstResult await Task.WhenAny(tasks); // 等待全部完成 var allResults await Task.WhenAll(tasks);6.2 超时处理var downloadTask DownloadFileAsync(url); var timeoutTask Task.Delay(5000); var completedTask await Task.WhenAny(downloadTask, timeoutTask); if (completedTask timeoutTask) { throw new TimeoutException(); }6.3 限制并发度var semaphore new SemaphoreSlim(5); // 最大5个并发 var tasks urls.Select(async url { await semaphore.WaitAsync(); try { return await DownloadAsync(url); } finally { semaphore.Release(); } }); await Task.WhenAll(tasks);7. 常见坑与解决方案坑1闭包陷阱for (int i 0; i 5; i) { Task.Run(() Console.WriteLine(i)); // 可能输出5个5 } // 正确做法 for (int i 0; i 5; i) { int temp i; Task.Run(() Console.WriteLine(temp)); }坑2异步构造方法C#不允许async构造方法替代方案class MyClass { private MyClass() {} public static async TaskMyClass CreateAsync() { var instance new MyClass(); await instance.InitAsync(); return instance; } }坑3忘记ConfigureAwait在库代码中应该使用await SomeTask().ConfigureAwait(false);避免不必要的上下文切换。从Thread到Task的演进反映了C#语言设计者对开发者体验的不懈追求。在实际项目中我逐渐将旧代码中的Thread替换为Task不仅代码量减少了40%性能还提升了3-5倍。特别是在最近的一个高并发服务改造中Taskasync/await的组合让我们用20台服务器扛住了原本需要100台服务器的流量。