在foreach循环中使用await的正确方式及高效优化方案探讨

咱们先直接说结论：语法上是没问题的，这段代码能正常跑起来拿到结果，但效率拉胯——你在foreach里挨个await GetContact(account.Id)，相当于每个联系人查询都要等上一个完全结束才会启动，是串行执行所有数据库请求的。如果accounts数量多，整体耗时会是所有请求时间的总和，这完全没必要。

另外提个小笔误：代码里的accounts.Contacts应该是account.Contacts，不然编译器会报错哦。

这里有几个不同方向的优化方案，你可以根据自己的场景选：

1. 并行执行异步任务（最直接的性能提升） #

既然每个GetContact的调用都是独立的，我们可以先把所有异步任务都创建出来，然后用Task.WhenAll等待全部完成，这样所有数据库查询就能并行跑了：

public async Task<IList<ContactAndAccounts>> GetAll() 
{ 
    var accounts = await _dbContext.Account.Where(x => x.Name == "Amazing").ToListAsync(); 
    // 先批量创建所有获取联系人的异步任务
    var contactTasks = accounts.Select(account => GetContact(account.Id));
    // 等待所有任务完成，一次性拿到所有联系人列表
    var contactsList = await Task.WhenAll(contactTasks);
    // 把每个联系人列表对应到对应的account上
    for (int i = 0; i < accounts.Count; i++)
    {
        accounts[i].Contacts = contactsList[i];
    }
    return accounts; 
}

这种方式能把原本串行的请求变成并行，整体耗时会接近单个请求的时间（当然还要看数据库的并发能力）。不过要注意，如果accounts数量特别大，一下子发起太多数据库请求可能会打满连接池，这种情况可以考虑分批处理。

2. 使用IAsyncEnumerable（流式处理，适合大数据量） #

如果你的accounts数量非常多，不想一次性把所有数据都加载到内存里，那IAsyncEnumerable就很适合——它能让你异步地逐个枚举数据，边加载边处理，大幅减少内存占用：

public async IAsyncEnumerable<ContactAndAccounts> GetAllAsync() 
{ 
    // 用AsAsyncEnumerable()替代ToListAsync()，流式获取accounts
    await foreach (var account in _dbContext.Account.Where(x => x.Name == "Amazing").AsAsyncEnumerable())
    {
        account.Contacts = await GetContact(account.Id);
        yield return account;
    }
}

这种方式的优势是内存友好，适合海量数据场景，但要注意：这里每个account的联系人查询还是串行的，如果要并行的话，需要结合上面的并行思路做调整，不过流式+并行的逻辑会复杂一些，你需要根据自己的优先级（内存/性能）来权衡。

3. 数据库层面的最优解（补充参考） #

虽然你说忽略两张表关联的情况，但还是提一嘴：如果能在数据库层面做Join查询，一次性把account和对应的contact都查出来，那性能会是最好的，因为减少了多次数据库往返的开销：

public async Task<IList<ContactAndAccounts>> GetAll() 
{ 
    return await _dbContext.Account
        .Where(x => x.Name == "Amazing")
        .Include(x => x.Contacts) // 假设你已经配置了正确的导航属性
        .ToListAsync(); 
}

这个方案如果能用的话，是首选，毕竟数据库做关联查询的效率比客户端多次请求高得多。

内容的提问来源于stack exchange，提问作者Rhodes73