并行作业
当您安排作业时，只能有一个作业执行一项任务。但是，有时您需要对许多对象执行相同的操作。为此，请使用继承自IJobParallelFor的 ParallelFor 作业类型。
ParallelFor 作业使用NativeArray数据作为其数据源。ParallelFor 作业在多个 CPU 内核上运行。每个内核有一个作业，每个作业处理工作负载的一部分。
IJobParallelFor 的行为类似于IJob，但它没有单个Execute方法，而是针对数据源中的每个项目调用一次 Execute 方法。在 Execute 方法中还有一个整数参数索引，您可以使用它来访问和操作作业实现中的数据源的单个元素。
以下是一个 ParallelFor 作业定义的示例
struct IncrementByDeltaTimeJob: IJobParallelFor
{
public NativeArray<float> values;
public float deltaTime;
public void Execute (int index)
{
float temp = values[index];
temp += deltaTime;
values[index] = temp;
}
}
安排 ParallelFor 作业
要安排 ParallelFor 作业，您必须指定要拆分的 NativeArray 数据源的长度。如果结构体中有多个 NativeArray，作业系统不知道要使用哪个 NativeArray 作为数据源。长度还告诉作业系统预期多少个 Execute 方法。
在 Unity 的本机代码中，ParallelFor 作业的安排更加复杂。当 Unity 安排 ParallelFor 作业时，作业系统将工作划分为批次，并在内核之间分配。每个批次包含一个 Execute 方法子集。然后，作业系统在 Unity 的本机作业系统中为每个 CPU 内核安排一个作业，并将该本机作业传递给批次以完成。
当一个本机作业在其批次完成之前其他本机作业完成时，它会窃取其他本机作业的剩余批次。它一次只窃取一个本机作业剩余批次的一半，以确保缓存局部性。
要优化此过程，您需要指定一个批次计数。批次计数控制您获得的作业数量，以及线程之间工作的细粒度重新分配。具有较低的批次计数（例如 1）可以使您在线程之间获得均匀的工作分配。但是，它会带来一些开销，因此有时最好增加批次计数。从 1 开始，然后不断增加批次计数，直到性能增益可以忽略不计，这是一个不错的策略。
以下是安排 ParallelFor 作业的示例
作业代码
// Job adding two floating point values together
public struct MyParallelJob : IJobParallelFor
{
[ReadOnly]
public NativeArray<float> a;
[ReadOnly]
public NativeArray<float> b;
public NativeArray<float> result;
public void Execute(int i)
{
result[i] = a[i] + b[i];
}
}
主线程代码
NativeArray<float> a = new NativeArray<float>(2, Allocator.TempJob);
NativeArray<float> b = new NativeArray<float>(2, Allocator.TempJob);
NativeArray<float> result = new NativeArray<float>(2, Allocator.TempJob);
a[0] = 1.1;
b[0] = 2.2;
a[1] = 3.3;
b[1] = 4.4;
MyParallelJob jobData = new MyParallelJob();
jobData.a = a;
jobData.b = b;
jobData.result = result;
// Schedule the job with one Execute per index in the results array and only 1 item per processing batch
JobHandle handle = jobData.Schedule(result.Length, 1);
// Wait for the job to complete
handle.Complete();
// Free the memory allocated by the arrays
a.Dispose();
b.Dispose();
result.Dispose();
ParallelForTransform 作业
ParallelForTransform 作业是另一种 ParallelFor 作业类型，专为对Transform进行操作而设计。它对于从作业中高效地处理 Transform 操作很有用。