Canon Raw Codec + WPF #2, ThreadPool

以下內容依據提供的文章，提取並結構化 15 個具教學價值的問題解決案例。每個案例均包含問題、根因、解法、實測效果、學習要點與練習評估，便於用於實戰教學、專案練習與能力評估。

Case #1: 用 WPF 重建「批次縮圖」工具以替代 XP Powertoy

Problem Statement（問題陳述）

業務場景：團隊在 Windows Vista 環境下已無法使用 XP 時代的 Resize Pictures Powertoy。需要一個可右鍵快速批次縮圖的小工具，涵蓋 JPG 與 CR2（Canon RAW）等格式，並維持良好的 UI 響應。技術挑戰：要在 WPF/.NET 上重現簡單可靠的批次縮圖流程，支援 RAW 解碼、JPEG 編碼，以及背景運算與 UI 互動的平衡。影響範圍：無法快速縮圖導致影像處理流程中斷，需改用大型影像軟體或手動處理，耗費大量時間與人力。複雜度評級：中

Root Cause Analysis（根因分析）

直接原因：

XP Powertoy 與 Vista 不相容：GDI+ 與 WPF 圖像堆疊差異導致無法沿用。
影像編解碼負載高：Canon RAW 解碼耗時，單純移植 UI 並不足以達到良好體驗。
UI 與背景工作相互干擾：內建 ThreadPool 無優先權管控，造成 UI 卡頓。

深層原因：

架構層面：缺乏面向不同工作類型（RAW/JPEG）的排程模型與資源隔離。
技術層面：ThreadPool 不支援多池/固定池大小/優先權設定。
流程層面：缺少標準化的測試集與量測流程以驗證效益。

Solution Design（解決方案設計）

解決策略：以 WPF 建立簡潔 UI，底層整合 Canon RAW codec 與 JPEG 編碼，並引入自製 SimpleThreadPool，分離 RAW 與 JPEG 任務、設定優先權、固定執行緒數，確保 UI 響應並提升整體吞吐。

實施步驟：

建立 WPF UI 與檔案挑選流程
- 實作細節：使用 OpenFileDialog/DragDrop，提供尺寸選單與進度列
- 所需資源：.NET 3.x WPF、XAML
- 預估時間：0.5 天
整合編解碼與批次任務
- 實作細節：呼叫 RAW 解碼、JPEG 編碼；統一任務介面
- 所需資源：Canon RAW Codec、WIC/JPEG Encoder
- 預估時間：1 天
導入 SimpleThreadPool 並分池
- 實作細節：RAW（1 執行緒，高優先權）、JPEG（4 執行緒，低優先權）
- 所需資源：自製 SimpleThreadPool
- 預估時間：1 天

關鍵程式碼/設定：

// 建立兩個工作池：RAW 優先、JPEG 次之
var rawPool  = new SimpleThreadPool(1, ThreadPriority.AboveNormal);
var jpgPool  = new SimpleThreadPool(4, ThreadPriority.BelowNormal);
rawPool.StartPool();
jpgPool.StartPool();

foreach (var job in jobs)
{
    if (job.Type == JobType.RawDecode)
        rawPool.QueueWorkItem(_ => ProcessRaw(job), null);
    else
        jpgPool.QueueWorkItem(_ => ProcessJpeg(job), null);
}

// 等待全部完成
rawPool.EndPool();
jpgPool.EndPool();

實際案例：

批次資料：125 JPG + 20 G9 CR2 + 2 G2 CR2
實作環境：Windows Vista, .NET 3.x WPF, Canon RAW Codec, Core2Duo E6300

實測數據：改善前：無替代工具（須手動或大型軟體）改善後：完整批次於 90 秒完成（見 Case #10 詳述）改善幅度：可量化吞吐達成；替代不可用之 Powertoy

Learning Points（學習要點）核心知識點：

WPF 與影像編解碼整合的基本流程
背景工作與 UI 響應的分離
批次處理的任務建模

技能要求：

必備技能：WPF/XAML、基本多執行緒
進階技能：影像管線設計、資源隔離排程

延伸思考：

可否做成 Explorer shell extension？
需注意解碼器相容性與授權
可用 TPL/Dataflow（現代 .NET）重構

Practice Exercise（練習題）

基礎：做一個可選檔案與選尺寸的 WPF 對話框（30 分）
進階：實作批次轉檔與進度列（2 小時）
專案：加入 RAW/JPEG 分池與優先權控制（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：可選檔、轉檔、輸出正確
程式碼品質（30%）：模組化、命名、例外處理
效能優化（20%）：多核利用、UI 流暢
創新性（10%）：介面易用性、可擴充性

Case #2: CR2 全尺寸轉 JPG 過慢：改以解碼階段縮放

Problem Statement（問題陳述）

業務場景：大量 CR2 檔需縮成小圖（例如 800x600）供快速預覽或分享。若先全尺寸解碼再縮放，速度緩慢，影響批次效率。技術挑戰：如何在解碼階段就利用解碼器的縮放能力，避免全尺寸解碼的高成本。影響範圍：單張 CR2 轉同尺寸 JPEG 要 60–80 秒，批次處理時間過長。複雜度評級：中

Root Cause Analysis（根因分析）

直接原因：

全尺寸解碼工作量大：RAW 展開成本高。
先全解再縮小：多做一步不必要的像素處理。
未用到解碼器對「縮小輸出」的最佳化路徑。

深層原因：

架構層面：影像管線未抽象「目標尺寸」傳遞至解碼器。
技術層面：未活用 WIC/Codec 的解碼縮放能力。
流程層面：缺乏針對輸出需求（小圖）的策略切換。

Solution Design（解決方案設計）

解決策略：直接在解碼階段指定目標尺寸（DecodePixelWidth/Height），讓解碼器走縮圖優化路徑，避免全尺寸解碼成本，顯著縮短處理時間。

實施步驟：

目標尺寸前傳
- 實作細節：在開啟影像時指定 DecodePixelWidth/Height
- 所需資源：WPF BitmapImage/WIC
- 預估時間：0.5 天
驗證輸出品質與速度
- 實作細節：抽樣比對畫質、量測時間
- 所需資源：測試資料集、碼表
- 預估時間：0.5 天

關鍵程式碼/設定：

// 以解碼階段縮放至 800 寬，避免全尺寸解碼
var bi = new BitmapImage();
bi.BeginInit();
bi.CacheOption = BitmapCacheOption.OnLoad;
bi.DecodePixelWidth = 800; // 或 DecodePixelHeight
bi.UriSource = new Uri(cr2Path);
bi.EndInit();

// 後續直接編碼成 JPEG 小圖
EncodeToJpeg(bi, outputPath, quality: 85);

實作環境：Windows Vista, .NET 3.x WPF, Canon RAW Codec 實測數據：改善前：CR2(4000x3000) -> JPG(4000x3000) 約 60–80 秒/張改善後：CR2 -> JPG(800x600) 約 5 秒/張改善幅度：時間縮短約 92% 以上

Learning Points（學習要點）核心知識點：

解碼階段縮放的效能優勢
WIC 解碼參數與畫質取捨
針對需求選擇最短路徑

技能要求：

必備技能：WPF 影像 API
進階技能：畫質評估與壓縮參數調校

延伸思考：

可否因應不同輸出尺寸自動切換策略？
不同相機 RAW 解碼器差異？
大量網路檔案時的串流與快取策略

Practice Exercise（練習題）

基礎：用 DecodePixelWidth 讀一張 CR2 並輸出 800x600（30 分）
進階：加入畫質選項與時間量測（2 小時）
專案：做一個可選多尺寸的批次轉檔器（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：尺寸正確、可批次
程式碼品質（30%）：結構清晰、錯誤處理
效能優化（20%）：時間相較全尺寸縮短顯著
創新性（10%）：自動尺寸策略或畫質優化

Case #3: 多核心未吃滿：將 RAW 視為單執行緒瓶頸

Problem Statement（問題陳述）

業務場景：雙核 CPU 執行 CR2 解碼時 CPU 使用率僅約 50–60%，即使丟多個 ThreadPool 工作也不見提升，導致吞吐不足。技術挑戰：辨識 RAW 解碼的內部序列化或鎖定，避免盲目提高併發造成無效競爭。影響範圍：CPU 無法吃滿，多任務同時反而拉長單張處理時間。複雜度評級：中

Root Cause Analysis（根因分析）

直接原因：

RAW 解碼器內部鎖或序列化：多工無效。
ThreadPool 無法限制 RAW 任務數量。
任務混雜搶占 CPU，引發上下文切換而無收益。

深層原因：

架構層面：未區分「不可並行」與「可並行」工作。
技術層面：缺少任務類型與池化策略。
流程層面：未先以基準測試驗證併發有效性。

Solution Design（解決方案設計）

解決策略：將 RAW 解碼固定在單執行緒（1 條）高優先權池中執行，視為不可並行的瓶頸；並將其他可並行（JPEG）工作在另一池中平行處理，以吃滿剩餘 CPU。

實施步驟：

RAW 任務單執行緒化
- 實作細節：SimpleThreadPool(1, AboveNormal) 專責 RAW
- 所需資源：自製 ThreadPool
- 預估時間：0.5 天
非 RAW 任務平行化
- 實作細節：SimpleThreadPool(4, BelowNormal) 處理 JPEG
- 所需資源：同上
- 預估時間：0.5 天

關鍵程式碼/設定：

var rawPool  = new SimpleThreadPool(1, ThreadPriority.AboveNormal);
var jpgPool  = new SimpleThreadPool(4, ThreadPriority.BelowNormal);

rawPool.StartPool(); jpgPool.StartPool();
// RAW 工作只進 rawPool
rawPool.QueueWorkItem(_ => DecodeRaw(cr2Path), null);
// JPEG 工作只進 jpgPool
jpgPool.QueueWorkItem(_ => EncodeJpeg(src, outPath), null);

實作環境：Vista, .NET 3.x, Core2Duo E6300, Canon RAW Codec 實測數據：改善前：RAW 併發 >1 時 CPU 仍 ~60%，且整體時間拉長改善後：RAW 單執行緒 + JPEG 多執行緒，整體時間縮短（見 Case #10）改善幅度：整體批次由 110 秒降至 90 秒的一部分貢獻

Learning Points（學習要點）核心知識點：

辨識不可並行瓶頸
任務分池與資源隔離
CPU 使用率與吞吐的關聯

技能要求：

必備技能：效能測試與觀察
進階技能：系統瓶頸分析與任務分級

延伸思考：

若 RAW 解碼器未來支援並行，如何調整？
自動檢測最佳 RAW 併發度
與 I/O 任務混合調度的策略

Practice Exercise（練習題）

基礎：測量單/雙 RAW 併發的 CPU 與時間（30 分）
進階：寫一個偵測最佳 RAW 併發度的小工具（2 小時）
專案：做一個可自適應調整池大小的排程器（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：可調整 RAW 併發並量測
程式碼品質（30%）：抽象清晰、易測試
效能優化（20%）：能避免無效併發
創新性（10%）：自動探索最適參數

Case #4: 內建 ThreadPool 不足：自製 SimpleThreadPool 以控優先權與多池

Problem Statement（問題陳述）

業務場景：需要同時處理 RAW 與 JPEG 任務，並保護 UI 響應。內建 ThreadPool 無優先權控制、不可多池分工，導致 UI 卡頓與資源無法精準分配。技術挑戰：在 .NET 下實作輕量可控的 ThreadPool（固定大小、可設定優先權、多池、WaitAll）。影響範圍：內建 ThreadPool 導致整體處理時間偏長、UI 頓挫。複雜度評級：中

Root Cause Analysis（根因分析）

直接原因：

無法控制工作執行緒優先權。
無法為不同工作類型建立獨立池。
等待全部完成需手動 WaitHandle，繁瑣易錯。

深層原因：

架構層面：缺乏可配置的排程層。
技術層面：ThreadPool API 適用一般場景，不符高控性需求。
流程層面：缺少基於任務型態的資源管理策略。

Solution Design（解決方案設計）

解決策略：設計 SimpleThreadPool，提供固定池大小、優先權設定、QueueWorkItem 與 EndPool；以最小代碼成本滿足任務分池與控制需求。

實施步驟：

Worker 與 Queue 設計
- 實作細節：阻塞佇列 + 背景工作執行緒
- 所需資源：Monitor/AutoResetEvent
- 預估時間：0.5 天
API 與優先權
- 實作細節：StartPool/QueueWorkItem/EndPool，Thread.Priority
- 所需資源：.NET Thread API
- 預估時間：0.5 天

關鍵程式碼/設定：

private void WorkerLoop()
{
    while (_running)
    {
        Action job = null;
        lock (_lock)
        {
            while (_running && _queue.Count == 0) Monitor.Wait(_lock);
            if (!_running) break;
            job = _queue.Dequeue();
        }
        try { job?.Invoke(); }
        catch (Exception ex) { Log(ex); }
    }
}

public void EndPool()
{
    lock (_lock) { _running = false; Monitor.PulseAll(_lock); }
    foreach (var t in _workers) t.Join();
}

實作環境：.NET 3.x，C# 實測數據：改善前：僅用內建 ThreadPool，批次 110 秒改善後：用 SimpleThreadPool，批次 90 秒（見 Case #10）改善幅度：約 18% 總時間縮短

Learning Points（學習要點）核心知識點：

自製 ThreadPool 的關鍵設計點
優先權與多池的效能意義
可靠停止/等待機制

技能要求：

必備技能：C# 多執行緒基礎
進階技能：同步原語與佇列設計

延伸思考：

新版 .NET 可用自訂 TaskScheduler 取代
加入工作取消/逾時/權重排程
觀測指標（queue 長度、等待時間）

Practice Exercise（練習題）

基礎：寫一個固定大小工作池（30 分）
進階：加入 EndPool 與優先權（2 小時）
專案：支援多池、不同優先權、簡單權重排程（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：Queue/Wait/Stop 可用
程式碼品質（30%）：同步正確、無死鎖
效能優化（20%）：低額外開銷
創新性（10%）：擴充性設計

Case #5: UI 被 CPU 任務拖慢：以優先權與回到 UI 執行緒保護體驗

Problem Statement（問題陳述）

業務場景：批次轉檔時進度列會動，但預覽圖出不來或延遲很久，使用者體驗不佳。技術挑戰：CPU bound 工作占用過高且無優先權控制，導致 UI Thread Starvation。影響範圍：UI 互動變慢或「看起來卡住」。複雜度評級：中

Root Cause Analysis（根因分析）

直接原因：

背景工作與 UI 同優先權競爭。
內建 ThreadPool 無法設低優先權。
更新 UI 未使用 Dispatcher 導致跨執行緒問題。

深層原因：

架構層面：無 UI/工作隔離策略。
技術層面：未正確返回 UI 執行緒更新控制項。
流程層面：缺乏 UI 響應性驗證指標。

Solution Design（解決方案設計）

解決策略：將 JPEG 等大量 CPU 工作設為 BelowNormal/Lowest，RAW 稍高；所有 UI 更新以 Dispatcher.Post 回到 UI 執行緒執行，確保 Preview/Progress 及時。

實施步驟：

低優先權背景池
- 實作細節：SimpleThreadPool(…, ThreadPriority.BelowNormal/Lowest)
- 所需資源：自製 ThreadPool
- 預估時間：0.5 天
UI Dispatcher 更新
- 實作細節：Dispatcher.BeginInvoke 更新 Image/Progress
- 所需資源：WPF Dispatcher
- 預估時間：0.5 天

關鍵程式碼/設定：

// 背景完成一張後，回 UI 更新預覽
Application.Current.Dispatcher.BeginInvoke(new Action(() =>
{
    previewImage.Source = resultBitmap;
    progressBar.Value = percent;
}));

實作環境：WPF/.NET 3.x 實測數據：改善前：進度列動但預覽不出現，主觀體驗不佳改善後：每張完成即顯示預覽（文章述及）改善幅度：UI 響應性大幅改善（質性指標）

Learning Points（學習要點）核心知識點：

UI 執行緒模型與 Dispatcher
背景工作優先權對互動性的影響
使用者感知進度的重要性

技能要求：

必備技能：WPF UI 執行緒
進階技能：優先權調整與量測

延伸思考：

可加入節流（Throttle）避免 UI 更新過頻
以 FPS 或主緒排程延遲為客觀指標
背景任務分塊與切片化

Practice Exercise（練習題）

基礎：背景執行計算，UI 顯示進度（30 分）
進階：加入優先權與節流更新（2 小時）
專案：圖庫瀏覽器，邊載入邊預覽（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：UI 穩定更新
程式碼品質（30%）：執行緒安全
效能優化（20%）：UI 無明顯卡頓
創新性（10%）：進度與預覽體驗佳

Case #6: 兩池分工：RAW 單執行緒 + JPEG 多執行緒

Problem Statement（問題陳述）

業務場景：混合 CR2 與 JPG 的批次轉檔需同時兼顧吞吐與 UI 響應。技術挑戰：如何同時執行 RAW 與 JPEG，使 CPU 維持高利用率，避免 RAW 長尾拖慢整體。影響範圍：單池執行導致序列化，或 JPEG 全吃在前面造成後段長尾 50% CPU。複雜度評級：中

Root Cause Analysis（根因分析）

直接原因：

RAW 與 JPEG 工作特性不同（長任務 vs 短任務）。
單池會讓短任務擠在前段，後段只剩 RAW 長尾。
無法針對不同工作型態精細排程。

深層原因：

架構層面：混雜工作型態未分池。
技術層面：無優先權差異與資源隔離。
流程層面：缺少混合負載的策略。

Solution Design（解決方案設計）

解決策略：建立兩個池：RAW（1 條，優先），JPEG（4 條，次優先），強迫同時執行兩類工作，讓 RAW 先跑、JPEG 切吃剩餘 CPU，以縮短長尾。

實施步驟：

建立兩池與工作路由
- 實作細節：依檔案型態派送到不同池
- 所需資源：SimpleThreadPool
- 預估時間：0.5 天
排程策略驗證
- 實作細節：觀測 CPU 曲線、總時間
- 所需資源：PerfMon 或內建監視器
- 預估時間：0.5 天

關鍵程式碼/設定：

// 路由：RAW -> rawPool, JPEG -> jpgPool
foreach (var f in files)
{
    if (IsRaw(f)) rawPool.QueueWorkItem(_ => ProcessRawToTarget(f), null);
    else          jpgPool.QueueWorkItem(_ => ProcessJpegResize(f), null);
}

實測數據（同資料集）：改善前：內建 ThreadPool：110 秒、CPU 後段 ~50% 改善後：雙池策略：90 秒、持續有 JPEG 吃滿空檔改善幅度：時間縮短約 18%，UI 響應改善

Learning Points（學習要點）核心知識點：

雙池策略的優勢
長短任務併行減少長尾
CPU 面積（積分）觀念

技能要求：

必備技能：基礎排程概念
進階技能：效能監測與策略調整

延伸思考：

三池策略（I/O、CPU、GPU）？
動態調整 JPEG 池大小
根據負載回饋自動調參

Practice Exercise（練習題）

基礎：將任務依型態分派至不同池（30 分）
進階：加入負載監控與自動調整（2 小時）
專案：可視化 CPU/Queue 長度與策略切換（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：雙池分工正確
程式碼品質（30%）：模組清晰
效能優化（20%）：長尾縮短明顯
創新性（10%）：自動調參或視覺化

Case #7: 限制執行緒數量避免反而變慢

Problem Statement（問題陳述）

業務場景：直覺會「開更多執行緒更快」，實際上 RAW 多開反而變慢，JPEG 適度多開才有效。技術挑戰：決定不同任務的最佳執行緒數，避免上下文切換與同步成本。影響範圍：過度併發導致總時間拉長、UI 卡頓。複雜度評級：中

Root Cause Analysis（根因分析）

直接原因：

RAW 解碼器內部鎖，併發無效。
JPEG 任務短小，可平行但受限核心數。
Context switch 增加、快取失誤。

深層原因：

架構層面：無「每類任務最佳併發度」參數化。
技術層面：對 CPU bound 任務的錯誤直覺。
流程層面：未做系統化壓力測試。

Solution Design（解決方案設計）

解決策略：RAW 固定 1；JPEG 設為接近核心數（雙核 2–4，四核 4），以測試驗證最佳值，再固定為配置。

實施步驟：

參數探索
- 實作細節：嘗試 JPEG=1..N 測試總時間
- 所需資源：自動化測試腳本
- 預估時間：0.5 天
配置固定化
- 實作細節：寫入設定檔，啟動載入
- 所需資源：app.config/JSON
- 預估時間：0.5 天

關鍵程式碼/設定：

// 讀配置決定池大小
int jpgWorkers = Math.Min(Environment.ProcessorCount, 4);
var jpgPool = new SimpleThreadPool(jpgWorkers, ThreadPriority.BelowNormal);

實測數據：改善前：猜測性多開執行緒，波動大、總時間偏長改善後：RAW=1、JPEG≈核心數，穩定達到 90 秒結果改善幅度：穩定性與吞吐提升（相對內建 ThreadPool）

Learning Points（學習要點）核心知識點：

執行緒數 ≠ 越多越好
核心數與任務特性關聯
設定可調與驗證

技能要求：

必備技能：CPU/執行緒知識
進階技能：基準測試設計

延伸思考：

不同硬體自動調整
任務時間分佈估測（短任務/長任務）
NUMA/快取親和性

Practice Exercise（練習題）

基礎：測試 JPEG 併發度對時間影響（30 分）
進階：自動探索最佳執行緒數（2 小時）
專案：併發度 vs 成本建模（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：參數可調
程式碼品質（30%）：設定管理
效能優化（20%）：找到最佳區間
創新性（10%）：自動化探索

Case #8: 等待全部處理完成：EndPool 取代繁瑣 WaitHandle

Problem Statement（問題陳述）

業務場景：批次轉檔完成後需進行收尾（例如 UI 更新、資源釋放），用 WaitHandle 管控多個工作繁瑣。技術挑戰：提供簡單 API 等待池內任務全部完成。影響範圍：WaitHandle 容易誤用/遺漏，增加維護成本。複雜度評級：低

Root Cause Analysis（根因分析）

直接原因：

內建 ThreadPool 無「WaitAll」型 API。
多個 Handle 管理複雜。
停止流程與回收難以一致化。

深層原因：

架構層面：缺少標準化關閉流程。
技術層面：同步原語使用成本高。
流程層面：收尾程序未模板化。

Solution Design（解決方案設計）

解決策略：SimpleThreadPool 提供 EndPool：停止接單、等待佇列清空、Join 所有 worker；將收尾變成單一呼叫。

實施步驟：

設計停止旗標
- 實作細節：_running=false + PulseAll
- 所需資源：Monitor
- 預估時間：0.25 天
Join Workers
- 實作細節：逐一 Join 確保退出
- 所需資源：Thread.Join
- 預估時間：0.25 天

關鍵程式碼/設定：

Console.WriteLine("wait stop");
rawPool.EndPool();
jpgPool.EndPool();
// 此處做最終 UI 更新/資源釋放

實測數據：改善前：需手動管理多個 WaitHandle 改善後：單呼叫 EndPool 完成等待與釋放改善幅度：開發與維護複雜度顯著降低（質性）

Learning Points（學習要點）核心知識點：

工作池關閉設計
正確使用 Join 與同步
收尾流程一致化

技能要求：

必備技能：同步/Join
進階技能：中止/取消設計

延伸思考：

支援取消中的安全停止
逾時與降級策略
統計最終成果（成功/失敗）

Practice Exercise（練習題）

基礎：為工作池加入 EndPool（30 分）
進階：EndPool 回報統計數據（2 小時）
專案：含取消、逾時的關閉流程（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：關閉可控
程式碼品質（30%）：無死鎖/資源洩漏
效能優化（20%）：最小化等待成本
創新性（10%）：友善 API 與回報

Case #9: 排程優化避免「100% 峰值 + 50% 長尾」

Problem Statement（問題陳述）

業務場景：使用內建 ThreadPool 時，前段全是 JPEG（CPU 100%），後段剩 RAW（CPU ~50%）形成長尾，總時間變長。技術挑戰：將 RAW 與 JPEG 交錯執行，讓 CPU 曲線更平滑，縮短總完成時間。影響範圍：整體批次時間偏長。複雜度評級：中

Root Cause Analysis（根因分析）

直接原因：

先到先服務導致短任務（JPEG）集中前段。
RAW 任務滯後形成長尾。
無優先權與分池造成排程偏差。

深層原因：

架構層面：缺少公平策略或權重
技術層面：單池無法約束任務混排
流程層面：未以 CPU 面積（積分）觀念評估

Solution Design（解決方案設計）

解決策略：RAW 高優先權先跑、JPEG 低優先權補滿剩餘 CPU，強迫交錯執行，縮短長尾、縮短總時間。

實施步驟：

優先權與兩池
- 實作細節：rawPool(↑)、jpgPool(↓)
- 所需資源：SimpleThreadPool
- 預估時間：0.5 天
交錯入列策略
- 實作細節：每批入列含 RAW 與 JPEG
- 所需資源：Queue 策略
- 預估時間：0.5 天

關鍵程式碼/設定：

// 確保 RAW 先入列，同時維持 JPEG 積壓量
EnqueueNextRawBatch(rawFiles.Take(1));
EnqueueNextJpegBatch(jpegFiles.Take(4)); // 適度保留待處理

實測數據：改善前：110 秒（前段 100%，後段 ~50%）改善後：90 秒（交錯執行）改善幅度：約 18%

Learning Points（學習要點）核心知識點：

CPU 面積（積分）與總時間關係
長短任務混合排程
入列策略影響大於想像

技能要求：

必備技能：排程基礎
進階技能：實驗設計與可視化

延伸思考：

權重式入列（Weighted Fair）
基於 SLA 的任務優先權
在線負載變化的自適應

Practice Exercise（練習題）

基礎：設計交錯入列策略（30 分）
進階：視覺化 CPU 曲線與 Queue 長度（2 小時）
專案：可配置權重的排程器（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：交錯生效
程式碼品質（30%）：結構清晰
效能優化（20%）：長尾明顯縮短
創新性（10%）：可視化與自適應

Case #10: 實測基準：內建 ThreadPool 110 秒 → SimpleThreadPool 90 秒

Problem Statement（問題陳述）

業務場景：需以量化數據驗證新排程策略（雙池 + 優先權）的效益。技術挑戰：同資料集、同環境、公正量測 CPU 與總時間。影響範圍：無數據將難以推動改變與收斂設計。複雜度評級：低

Root Cause Analysis（根因分析）

直接原因：

內建 ThreadPool 對混合工作不友善。
無優先權導致長尾。
RAW 併發無效造成 CPU 閒置。

深層原因：

架構層面：缺乏數據導向決策
技術層面：未對比替代方案
流程層面：缺少固定測試集

Solution Design（解決方案設計）

解決策略：以固定資料集（125 JPG + 20 G9 RAW + 2 G2 RAW），對比兩種排程策略，量測總時間與 CPU 使用曲線，據以決策。

實施步驟：

設定基準測試
- 實作細節：同一批檔案、同程式版本
- 所需資源：碼表/日誌
- 預估時間：0.25 天
收集與對比
- 實作細節：輸出時間、CPU 曲線截圖
- 所需資源：Perfmon 或第三方工具
- 預估時間：0.25 天

關鍵程式碼/設定：

var sw = Stopwatch.StartNew();
// 執行整批轉檔...
sw.Stop();
Log.Info($"Total: {sw.Elapsed.TotalSeconds:F1} sec");

實測數據：改善前：內建 ThreadPool＝110 秒（UI 回應差）改善後：SimpleThreadPool＝90 秒（每張完成即顯示）改善幅度：縮短約 18%，體感大幅提升

Learning Points（學習要點）核心知識點：

基準測試的重要性
同資料集、同環境原則
量化與質化指標並重

技能要求：

必備技能：量測與紀錄
進階技能：效能剖析與呈現

延伸思考：

自動跑批 + 報告
不同硬體環境對比
加入誤差與信賴區間

Practice Exercise（練習題）

基礎：加入總時間量測（30 分）
進階：輸出 CPU 曲線與對比報告（2 小時）
專案：打造基準測試儀表板（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：量測可重現
程式碼品質（30%）：紀錄清晰
效能優化（20%）：以數據驅動
創新性（10%）：報表自動化

Case #11: ThreadPool 併發對 RAW 無效：診斷與對策

Problem Statement（問題陳述）

業務場景：對 RAW 任務使用 ThreadPool 併發，CPU 仍 60% 左右，無吞吐提升。技術挑戰：證實 RAW 任務間存在內部互斥/序列化，並調整策略。影響範圍：誤以為多執行緒等於快，反而拖慢整體。複雜度評級：中

Root Cause Analysis（根因分析）

直接原因：

RAW 解碼器內部鎖。
任務間共享資源（codec/IO）。
ThreadPool 只會增加搶占與切換。

深層原因：

架構層面：未辨識硬限制
技術層面：缺測試驗證
流程層面：先做再測的反向流程

Solution Design（解決方案設計）

解決策略：對 RAW 任務改單執行緒高優先權處理；只對 JPEG 用併發；用基準測試證實策略優於盲目併發。

實施步驟：

行為驗證
- 實作細節：RAW=1 vs RAW>1 對比
- 所需資源：計時、CPU 監視
- 預估時間：0.5 天
策略落地
- 實作細節：兩池與優先權
- 所需資源：SimpleThreadPool
- 預估時間：0.5 天

關鍵程式碼/設定：

// 錯誤示例（避免）：ThreadPool 多開 RAW
ThreadPool.QueueUserWorkItem(_ => DecodeRaw(cr2_1));
ThreadPool.QueueUserWorkItem(_ => DecodeRaw(cr2_2));
// 修正：RAW 僅單執行緒池
rawPool.QueueWorkItem(_ => DecodeRaw(cr2_1), null);
rawPool.QueueWorkItem(_ => DecodeRaw(cr2_2), null);

實測數據：改善前：RAW 多併發無提升，甚至更慢改善後：RAW 單執行緒 + JPEG 併發＝總時間 90 秒改善幅度：整體吞吐提升、UI 體驗改善

Learning Points（學習要點）核心知識點：

併發不等於並行
共享資源與鎖的影響
針對限制制定策略

技能要求：

必備技能：併發基礎
進階技能：剖析第三方元件行為

延伸思考：

動態偵測 RAW 是否可並行
以 TryParallel → Fallback 序列化模式
記錄策略決策過程以便回溯

Practice Exercise（練習題）

基礎：比較 RAW=1/2/3 的效果（30 分）
進階：自動 Fallback 機制（2 小時）
專案：與不同相機 RAW codec 對比（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：策略可切換
程式碼品質（30%）：記錄/報告
效能優化（20%）：避免無效併發
創新性（10%）：自動偵測

Case #12: JPEG 任務短小：用低優先權多執行緒最大化利用

Problem Statement（問題陳述）

業務場景：JPEG 解碼/編碼時間短，適合平行。但必須讓出資源給 RAW 與 UI。技術挑戰：決定 JPEG 的併發度與優先權，達成「吃滿剩餘 CPU」且不干擾 UI。影響範圍：若優先權過高會搶 UI、過低又浪費 CPU。複雜度評級：低

Root Cause Analysis（根因分析）

直接原因：

JPEG 任務短小、CPU bound。
UI 需優先保護。
與 RAW 需資源共存。

深層原因：

架構層面：共存策略未定義
技術層面：欠缺優先權配置
流程層面：未做併發/體驗平衡測試

Solution Design（解決方案設計）

解決策略：JPEG 使用 2–4 執行緒，優先權 BelowNormal/Lowest；RAW 設更高優先權；以視覺化監控調整。

實施步驟：

JPEG 池配置
- 實作細節：workers=2..4, priority=BelowNormal
- 所需資源：SimpleThreadPool
- 預估時間：0.25 天
體驗與吞吐平衡
- 實作細節：觀察 UI/CPU，迭代調整
- 所需資源：PerfMon
- 預估時間：0.5 天

關鍵程式碼/設定：

var jpgPool = new SimpleThreadPool(
    workers: Math.Min(4, Environment.ProcessorCount),
    priority: ThreadPriority.BelowNormal);

實測數據：改善前：JPEG 與 UI 互搶資源改善後：UI 流暢，JPEG 吃滿剩餘 CPU；整體 90 秒內完成（整體策略貢獻）改善幅度：體驗穩定、吞吐最佳化

Learning Points（學習要點）核心知識點：

低優先權長期執行的好處
UI/CPU-bound 共存
併發度 vs 優先權

技能要求：

必備技能：Thread.Priority
進階技能：負載監控與調參

延伸思考：

根據使用者互動動態降載
前台/背景模式切換
限制每秒任務完成率

Practice Exercise（練習題）

基礎：調整 JPEG 池優先權（30 分）
進階：加上前台/背景模式（2 小時）
專案：負載自動調整器（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：可調可用
程式碼品質（30%）：配置清晰
效能優化（20%）：UI 穩定
創新性（10%）：動態調整

Case #13: 即時預覽更新：每張完成即顯示，優化感知進度

Problem Statement（問題陳述）

業務場景：使用者需要看到縮圖預覽持續出現，以確認系統正在工作並獲得信心。技術挑戰：在重 CPU 背景下，仍能每張完成即回 UI 顯示。影響範圍：若預覽不出現，使用者誤判系統卡住。複雜度評級：低

Root Cause Analysis（根因分析）

直接原因：

背景優先權過高，UI 無空檔。
未切回 UI 執行緒更新控制項。
預覽載入與編碼未分離。

深層原因：

架構層面：缺少「完成即回報」事件流
技術層面：Dispatcher 與資料繫結使用不足
流程層面：未定義 UX 指標

Solution Design（解決方案設計）

解決策略：每張轉完即 Raise 完成事件，回 UI 執行緒更新 Image/進度；JPEG 以低優先權執行，保證 UI 可運行。

實施步驟：

完成事件
- 實作細節：ISubmission 完成後觸發 OnItemDone
- 所需資源：事件/委派
- 預估時間：0.25 天
UI 更新
- 實作細節：Dispatcher.BeginInvoke 更新圖與列
- 所需資源：WPF
- 預估時間：0.25 天

關鍵程式碼/設定：

void OnItemDone(BitmapSource bmp)
{
    Application.Current.Dispatcher.BeginInvoke(new Action(() =>
    {
        imageBox.Source = bmp; // 立即顯示
        progress.Value++;
    }));
}

實測數據：改善前：預覽長時間不變改善後：每張完成即顯示（文章描述）改善幅度：使用者體感顯著提升

Learning Points（學習要點）核心知識點：

完成即回報的 UX 價值
Dispatcher 與資料繫結
背景優先權設計

技能要求：

必備技能：WPF 資料繫結與事件
進階技能：非同步 UI 模式

延伸思考：

批次大時的虛擬化顯示
小圖快取策略
減少 UI 更新成本

Practice Exercise（練習題）

基礎：完成即更新一張圖（30 分）
進階：加上完成音效/通知列（2 小時）
專案：圖牆視圖 + 虛擬化（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：完成即顯示
程式碼品質（30%）：UI 執行緒安全
效能優化（20%）：不卡頓
創新性（10%）：UX 細節

Case #14: 預覽版平行程式庫風險：先用自製可控方案

Problem Statement（問題陳述）

業務場景：微軟提供的 parallel library 當時仍為 Community Preview，是否採用有風險。技術挑戰：在需求急迫與穩定性間取捨。影響範圍：採用預覽版可能導致發佈後問題與維護負擔。複雜度評級：低

Root Cause Analysis（根因分析）

直接原因：

預覽版 API 可能變動/缺陷。
文件與社群支援不足。
部署與相容性不確定。

深層原因：

架構層面：依賴不穩定基礎
技術層面：替代方案足以達標
流程層面：風險控管不足

Solution Design（解決方案設計）

解決策略：短期用自製 SimpleThreadPool 達成需求；等 parallel library 穩定後再評估重構，以降低風險、保障交付。

實施步驟：

風險評估
- 實作細節：列風險/影響/對策
- 所需資源：團隊評審
- 預估時間：0.25 天
暫不採用並留重構點
- 實作細節：抽象排程層，日後可替換
- 所需資源：介面抽象
- 預估時間：0.5 天

關鍵程式碼/設定：

// 以 IJobScheduler 抽象，日後可換成 TPL
public interface IJobScheduler
{
    void Enqueue(Action job);
    void WaitAll();
}

實測數據：改善前：不確定且可能延誤交付改善後：用自製方案達標（90 秒），後續保留重構彈性改善幅度：交付風險降低

Learning Points（學習要點）核心知識點：

技術選型與風險管理
抽象層的價值
漸進式演進策略

技能要求：

必備技能：架構抽象
進階技能：風險分析

延伸思考：

何時切換到 TPL/TaskScheduler？
版本/相容性策略
拆分與回退機制

Practice Exercise（練習題）

基礎：為排程加入抽象介面（30 分）
進階：做一個 TPL 版實作（2 小時）
專案：可熱插拔的排程層（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：抽象可替換
程式碼品質（30%）：介面清晰
效能優化（20%）：不退步
創新性（10%）：演進策略

Case #15: 小而全的 SimpleThreadPool：百餘行即可落地

Problem Statement（問題陳述）

業務場景：不想重新發明輪子，但內建 ThreadPool 不符需求；需一套低成本、可維護的自製 ThreadPool。技術挑戰：在約百餘行代碼內實作固定池、多池、優先權、等待。影響範圍：若過度複雜將難以維護與導入。複雜度評級：中

Root Cause Analysis（根因分析）

直接原因：

需求與內建差距（優先權、多池、WaitAll）。
工期有限、不宜引入大型框架。
需快速驗證與上線。

深層原因：

架構層面：KISS 原則
技術層面：掌握必要而充分的功能
流程層面：迭代式完善

Solution Design（解決方案設計）

解決策略：以最小功能集實作 SimpleThreadPool（固定大小、優先權、Queue、EndPool），介面盡量對齊內建 ThreadPool 以降低代碼改動。

實施步驟：

MVP 版（Queue/Worker/End）
- 實作細節：阻塞佇列、優先權、Join
- 所需資源：.NET Thread
- 預估時間：0.5 天
強韌性
- 實作細節：例外捕捉、可重入 End
- 所需資源：日誌
- 預估時間：0.5 天

關鍵程式碼/設定：

public class SimpleThreadPool
{
    readonly Queue<Action> _queue = new();
    readonly List<Thread> _workers = new();
    readonly object _lock = new();
    volatile bool _running;

    public SimpleThreadPool(int size, ThreadPriority prio)
    {
        for (int i = 0; i < size; i++)
        {
            var t = new Thread(WorkerLoop) { IsBackground = true, Priority = prio };
            _workers.Add(t);
        }
    }
    public void StartPool(){ _running = true; _workers.ForEach(t => t.Start()); }
    public void QueueWorkItem(WaitCallback cb, object state)
    {
        lock(_lock){ _queue.Enqueue(() => cb(state)); Monitor.Pulse(_lock); }
    }
    // WorkerLoop 與 EndPool 如 Case #4
}

實測數據：改善前：內建 ThreadPool＝110 秒改善後：SimpleThreadPool＝90 秒；UI 響應顯著提升改善幅度：18% 總時間縮短

Learning Points（學習要點）核心知識點：

最小可用實作（MVP）
對齊既有 API 減少侵入
可維護性的取捨

技能要求：

必備技能：多執行緒基礎
進階技能：API 設計

延伸思考：

加入取消/逾時/優先佇列
指標蒐集（等待/執行時間）
轉換為 TaskScheduler

Practice Exercise（練習題）

基礎：完成 MVP 版 SimpleThreadPool（30 分）
進階：例外處理與日誌（2 小時）
專案：加優先佇列與統計（8 小時）

Assessment Criteria（評估標準）

功能完整性（40%）：Queue/Start/End
程式碼品質（30%）：簡潔穩健
效能優化（20%）：低額外開銷
創新性（10%）：擴充介面

案例分類

1) 按難度分類

入門級（適合初學者）
- Case 8, 10, 12, 13, 14
中級（需要一定基礎）
- Case 1, 2, 3, 5, 6, 7, 9, 11, 15
高級（需要深厚經驗）
- Case 4

2) 按技術領域分類

架構設計類
- Case 1, 4, 6, 7, 9, 14, 15
效能優化類
- Case 2, 3, 6, 7, 9, 10, 11, 12
整合開發類
- Case 1, 2, 5, 6, 13
除錯診斷類
- Case 3, 9, 10, 11
安全防護類 -（本篇無直接涉略）

3) 按學習目標分類

概念理解型
- Case 9, 10, 14
技能練習型
- Case 2, 5, 8, 12, 13, 15
問題解決型
- Case 1, 3, 4, 6, 7, 11
創新應用型
- Case 6, 9, 14, 15

案例關聯圖（學習路徑建議）

建議先學：
- Case 10（以數據理解問題全貌）
- Case 2（解碼階段縮放核心觀念）
- Case 12、13（確保 UX 與 CPU 共存）
依賴關係：
- Case 4（自製 ThreadPool）是 Case 5–9、11–12、15 的基礎
- Case 6（雙池分工）依賴 Case 3（RAW 單執行緒）與 Case 4
- Case 9（排程優化）依賴 Case 6 與 Case 7（執行緒數最佳化）
完整學習路徑建議： 1) Case 10 → 2 → 12 → 13（建立效能與 UX 直覺） 2) Case 11 → 3（辨識 RAW 併發限制與對策） 3) Case 4 → 8 → 7（打造可控排程與正確關閉、最佳執行緒數） 4) Case 6 → 9（雙池分工與排程優化） 5) Case 1 → 5（將能力落地為產品級工具與 UI 體驗） 6) Case 14 → 15（技術選型與小而全的實作取捨）

以上案例均源自文章所述的實際問題、根因、解法與成效，並補充可操作的程式碼與練習，便於教學與實作演練。

Canon Raw Codec + WPF #2, ThreadPool

Case #1: 用 WPF 重建「批次縮圖」工具以替代 XP Powertoy

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Case #2: CR2 全尺寸轉 JPG 過慢：改以解碼階段縮放

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Case #3: 多核心未吃滿：將 RAW 視為單執行緒瓶頸

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Case #4: 內建 ThreadPool 不足：自製 SimpleThreadPool 以控優先權與多池

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Case #5: UI 被 CPU 任務拖慢：以優先權與回到 UI 執行緒保護體驗

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Case #6: 兩池分工：RAW 單執行緒 + JPEG 多執行緒

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Case #7: 限制執行緒數量避免反而變慢

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Case #8: 等待全部處理完成：EndPool 取代繁瑣 WaitHandle

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Case #9: 排程優化避免「100% 峰值 + 50% 長尾」

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Case #10: 實測基準：內建 ThreadPool 110 秒 → SimpleThreadPool 90 秒

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Case #11: ThreadPool 併發對 RAW 無效：診斷與對策

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Case #12: JPEG 任務短小：用低優先權多執行緒最大化利用

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Case #13: 即時預覽更新：每張完成即顯示，優化感知進度

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Case #14: 預覽版平行程式庫風險：先用自製可控方案

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Case #15: 小而全的 SimpleThreadPool：百餘行即可落地

Problem Statement（問題陳述）

Root Cause Analysis（根因分析）

Solution Design（解決方案設計）

Facebook Pages

AI Synthesis Contents

Edit Post (Pull Request)

Post Directory