相信在.net平台下，我們都玩過linq，是的，linq讓我們的程式簡潔優美，簡直玩的是愛不釋手，但是傳統的linq隻是串行代碼，在并行的
年代如果linq不支援并行計算那該是多麼遺憾的事情啊。
當然linq有很多種方式，比如linq to sql ,xml，object 等等，如果要将linq做成并行還是很簡單的，這裡我就舉一個比較實際一點的例子，
我們知道為了更快的響應使用者操作，碼農們想盡了各種辦法，絞盡了腦汁，其中有一個辦法就是将資料庫資料預加載到記憶體中，然後通過各種
資料結構的手段來加速curd，是的，比如一個排序地球人隻能做到n(lgn)，那麼如果我還想再快一點的話該怎麼辦呢？那麼現在的并行就能發
揮巨大的優勢，尤其是現在的伺服器配置都是在8個硬體線程的情況下，你簡直會狂笑好幾天啊，好，不亂扯了。
1：asparallel(并行化）
下面我們模拟給concurrentdictionary灌入1500w條記錄，看看串行和并行效率上的差異，注意我的老爺機是2個硬體線程。
執行的結果還是比較震撼的，将近7倍，這是因為plinq的查詢引擎會盡量利用cpu的所有硬體線程。
2:常用方法的使用
<1> orderby
有時候我們并不是簡單的select一下就ok了，可能需要将結果進行orderby操作，并行化引擎會把要周遊的資料分區，然後在每個區上進行
orderby操作，最後來一個總的orderby，這裡很像算法中的“歸并排序”。
<2> sum(),average()等等這些聚合函數的效果跟orderby類型一樣，都是實作了類型歸并排序的效果，這裡就不舉例子了。
3：指定并行度，這個我在前面文章也說過，為了不讓并行計算占用全部的硬體線程，或許可能要留一個線程做其他事情。
4： 了解parallelenumerable類
首先這個類是enumerable的并行版本，提供了很多用于查詢實作的一組方法，截個圖，大家看看是不是很熟悉，要記住，他們都是并行的。
下面列舉幾個簡單的例子。
5： plinq實作mapreduce算法
mapreduce是一個非常流行的程式設計模型，用于大規模資料集的并行計算，非常的牛x啊，記得mongodb中就用到了這個玩意。
map： 也就是“映射”操作，可以為每一個資料項建立一個鍵值對，映射完後會形成一個鍵值對的集合。
reduce：“化簡”操作，我們對這些巨大的“鍵值對集合“進行分組，統計等等。
下面我舉個例子，用mapreduce來實作一個對age的分組統計。