多线程场景下Interlocked.Increment隐式调用引发CPU开销问题排查

我在谷歌和Stack Overflow上未找到相关问题的解答，因此在此寻求帮助。

前言 #

我正在开发一款对性能要求极高的应用，采用多线程将任务分配至所有处理器核心以实现最大吞吐量。有意思的是，通过批量并行处理任务，原生方式能获得更高吞吐量。无论使用通用ThreadPool还是自定义线程池，均存在相同问题。我测试过Parallel(PLINQ)和Tasks，但它们会在堆上产生内存分配开销，我希望尽可能减少此类开销以降低GC压力。

问题详情 #

并发线程中的函数调用会隐式调用System.Threading.Interlocked.Increment方法，在递归函数中尤其会造成巨大开销。我对应用进行了性能分析，发现每个需要隐式保护其运行栈帧的函数调用都会调用该方法——推测是为确保局部变量的线程安全。这种互锁操作似乎由主线程管理，形成了严重的性能瓶颈。

• 性能分析截图1：标记行是该方法的内部调用位置，忽略底部的深红色线条，它们与函数的递归调用特性相关，数值过大正是由该问题导致。
• 性能分析截图2：我可以通过内联小型函数代码来减少该方法的隐式调用，但这对递归调用无效。
• 性能分析截图3：每次递归调用都会分支到该函数，给主线程带来明显开销。

线程初始化代码如下：

ThreadPool.UnsafeQueueUserWorkItem((l_state) =>
{
    action(l_state);

    //Other code omitted for brevity
}, state);

性能分析所指向的调用函数如下：

public void ProcessCollisions(Collider collider)
{
    var result = _tree.Query(in collider.Bounds);

    //Other code omitted for brevity
}

补充说明：我在通用ThreadPool中排队的工作项数量多于处理器核心数，这是有意为之，目的是填补线程调度间隙，更高效地利用CPU核心。每个碰撞体对应一个ThreadPool工作项，由于ThreadPool线程是长生命周期的，最终会处理所有项，队列中可能存在数万个工作项。

已尝试的方案 #

• 使用自定义线程池替代通用ThreadPool：对所述问题无改善。
• 内联函数调用：仅为临时方案，非根本解决办法，且不适用于递归调用。
• 使用PLINQ：会产生内部堆内存分配，不符合需求。
• 使用Tasks：会产生内部堆内存分配，不符合需求。

核心疑问 #

关于线程执行，我是否忽略了什么关键点？是Query_Internal函数中对_tree内部数组的共享引用与使用导致的，还是存在某种与线程同步相关的隐式运行时处理？

内容的提问来源于stack exchange，提问作者Tim Otto