并行作业
调度作业时，一项作业只能执行一个任务。但有时您需要对许多对象执行相同的操作。为此，请使用从 IJobParallelFor 继承的 ParallelFor 作业类型。
ParallelFor 作业会使用 NativeArray 数据作为其数据源。ParallelFor 作业能在多个 CPU 核心上运行。每个核心运行一项作业，每项作业分别处理一部分工作负载。
IJobParallelFor 的行为方式类似于 IJob，但它用的不是单个 Execute 方法，而是在数据源中逐项调用一次 Execute 方法。Execute 方法中还有一个整数参数索引，可用于访问并操作作业实现中数据源的单个元素。
ParallelFor 作业定义的示例如下：
struct IncrementByDeltaTimeJob: IJobParallelFor
{
public NativeArray<float> values;
public float deltaTime;
public void Execute (int index)
{
float temp = values[index];
temp += deltaTime;
values[index] = temp;
}
}
调度 ParallelFor 作业
要调度 ParallelFor 作业，您必须指定待拆分的 NativeArray 数据源的长度。如果结构体中存在多个 NativeArray，那么作业系统将无法确定要将哪一个作为数据源。长度还能让作业系统知道应该存在多少个 Execute 方法。
在 Unity 的原生代码中，ParallelFor 作业的调度更为复杂。Unity 在调度 ParallelFor 作业时，作业系统会将工作分成多个批次，以便将任务分配到多个核心。每个批次都包含一部分的 Execute 方法。然后，作业系统会为每个 CPU 核心安排一项 Unity 原生作业系统中的作业，并将该原生作业传递给批次以供完成。
如果某项原生作业先于其他作业完成了自己的批次，那么它会从其他原生作业处窃取剩余的批次。一次只会窃取原生作业剩余的一半批次，以确保缓存的局部性。
要优化此过程则必须指定批次的数量。批次数量可以控制获取的作业数，以及线程之间重新分配工作的细化程度。批次数量越低（如 1），线程之间的工作分布越均匀。但这会带来些许开销，所以有时最好增加批次数量。从 1 开始增加批次数，直到性能提升到可以忽略不计，也不失为一种好策略。
调度 ParallelFor 作业的示例如下
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 作业是另一种专门针对变换进行操作而设计的 ParallelFor 作业。这种作业有助于高效地处理作业中的变换操作。