先说结论

1.首先两者对于并发的风格模型不一样。

共享内存利用多核CPU的优势，使用强一致的锁机制控制并发，各种锁交织，稍不注意可能出现死锁，更适合熟手。

Actor模型易于控制和管理，以消息触发、流水线挨个处理，天然分布式，思路清晰。

2.真要说性能，求100_000 以内的素数的个数]场景 & 电脑8c 16g的配置

•2.1 理论上如果以默认的Actor并发模型来做这个事情，共享内存模型是优于Actor模型的；•2.2 上文中我对于Actor做了多线程优化，Actor模型性能慢慢追上来了。
下面请听我唠嗑。

默认Actor模型

计算[100_000内素数的个数]，分为两步：
(1) 迭代判断当前数字是不是素数
(2) 如果是素数，执行sum++

完成以上两步，共享内存模型均能充分利用CPU多核心。

Actor模型：与TPL中的原语不同，TPL Datflow中的所有块默认是单线程的，这就意味着完成以上两步的TransfromBlock和ActionBlock都是以一个线程挨个处理消息数据 (这也是Dataflow的设计初衷，形成清晰单纯的流水线)。

猜测此时：共享内存相比默认的Actor模型更具优势。

使用NUnit做单元测试，数据量从小到大: 10_000,50_000,100_000,200_000,300_000,500_000

using NUnit.Framework;
using System;
using System.Threading.Tasks;
using System.Collections.Generic;
using System.Threading;
using System.Threading.Tasks.Dataflow;namespace TestProject2
{public class Tests{[TestCase(10_000)][TestCase(50_000)][TestCase(100_000)][TestCase(200_000)][TestCase(300_000)][TestCase(500_000)]public void ShareMemory(int num){var sum = 0;Parallel.For(1, num + 1, (x, state) =>{var f = true;if (x == 1)f = false;for (int i = 2; i <= x / 2; i++){if (x % i == 0)  // 被[2,x/2]任一数字整除，就不是质数f = false;}if (f == true){Interlocked.Increment(ref sum);// 共享了sum对象，“++”就是调用sum对象的成员方法}});Console.WriteLine($"1-{num}内质数的个数是{sum}");}[TestCase(10_000)][TestCase(50_000)][TestCase(100_000)][TestCase(200_000)][TestCase(300_000)][TestCase(500_000)]public async Task Actor(int num){var linkOptions = new DataflowLinkOptions { PropagateCompletion = true };var bufferBlock = new BufferBlock<int>();var transfromBlock = new TransformBlock<int, bool>(x =>{var f = true;if (x == 1)f = false;for (int i = 2; i <= x / 2; i++){if (x % i == 0)  // 被[2,x/2]任一数字整除，就不是质数f = false;}return f;}, new ExecutionDataflowBlockOptions { EnsureOrdered = false });var sum = 0;var actionBlock = new ActionBlock<bool>(x =>{if (x == true)sum++;}, new ExecutionDataflowBlockOptions {  EnsureOrdered = false });transfromBlock.LinkTo(actionBlock, linkOptions);// 准备从pipeline头部开始投递try{var list = new List<int> { };for (int i = 1; i <= num; i++){var b = await transfromBlock.SendAsync(i);if (b == false){list.Add(i);}}if (list.Count > 0){Console.WriteLine($"md，num post failure，num:{list.Count},post again");// 再投一次foreach (var item in list){transfromBlock.Post(item);}}transfromBlock.Complete();  // 通知头部，不再投递了; 会将信息传递到下游。actionBlock.Completion.Wait();  // 等待尾部执行完Console.WriteLine($"1-{num} Prime number include {sum}");}catch (Exception ex){Console.WriteLine($"1-{num} cause exception.",ex);}   }}
}

测试结果如下：

测试结果印证我说的结论2.1

优化后的Actor模型

那后面我对Actor做了什么优化呢？能产生下图的2.2结论。

请重新回看《三分钟掌握共享内存 & Actor并发模型》 TransfromBlock 块的细节：

var transfromBlock = new TransformBlock<int, bool>(x =>{var f = true;if (x == 1)f = false;for (int i = 2; i <= x / 2; i++){if (x % i == 0)  // 被[2,x/2]任一数字整除，就不是质数f = false;}return f;}, new ExecutionDataflowBlockOptions { MaxDegreeOfParallelism=50, EnsureOrdered = false }); // 这里开启多线程并发

上面说到默认的Actor是以单线程处理输入的消息，此次我们对这个TransfromBlock 块设置了MaxDegreeOfParallelism 参数，

这个参数能在Actor中开启多线程并发执行，但是这里面就不能有共享变量(否则你又得加锁)，恰好我们完成 (1) 迭代判断当前数字是不是素数这一步并不依赖共享对象，所以这(1)步开启多线程以后性能与共享内存模型基本没差别。