浅谈C#在网络波动时防重复提交的方法
前几天,公司数据库出现了两条相同的数据,而且时间相同(毫秒也相同)。排查原因,发现是网络波动造成了重复提交。
由于网络波动而重复提交的例子也比较多:
网络上,防重复提交的方法也很多,使用redis锁,代码层面使用lock。
但是,我没有发现一个符合我心意的解决方案。因为网上的解决方案,第一次提交返回成功,第二次提交返回失败。由于两次返回信息不一致,一次成功一次失败,我们不确定客户端是以哪个返回信息为准,虽然我们希望客户端以第一次返回成功的信息为准,但客户端也可能以第二次失败信息运行,这是一个不确定的结果。
在重复提交后,如果客户端的接收到的信息都相同,都是成功,那客户端就可以正常运行,就不会影响用户体验。
我想到一个缓存类,来源于petapoco。
cache<tkey, tvalue>代码如下:
public class cache<tkey, tvalue> { private readonly readerwriterlockslim _lock = new readerwriterlockslim(); private readonly dictionary<tkey, tvalue> _map = new dictionary<tkey, tvalue>(); public int count { get { return _map.count; } } public tvalue execute(tkey key, func<tvalue> factory) { // check cache _lock.enterreadlock(); tvalue val; try { if (_map.trygetvalue(key, out val)) return val; } finally { _lock.exitreadlock(); } // cache it _lock.enterwritelock(); try { // check again if (_map.trygetvalue(key, out val)) return val; // create it val = factory(); // store it _map.add(key, val); // done return val; } finally { _lock.exitwritelock(); } } public void clear() { // cache it _lock.enterwritelock(); try { _map.clear(); } finally { _lock.exitwritelock(); } } }
cache<tkey, tvalue>符合我的要求,第一次运行后,会将值缓存,第二次提交会返回第一次的值。
但是,细细分析cache<tkey, tvalue> 类,可以发现有以下几个缺点
1、 不会自动清空缓存,适合一些key不多的数据,不适合做为网络接口。
2、 由于_lock.enterwritelock,多线程会变成并单线程,不适合做为网络接口。
3、 没有过期缓存判断。
于是我对cache<tkey, tvalue>进行改造。
antidupcache代码如下:
/// <summary> /// 防重复缓存 /// </summary> /// <typeparam name="tkey"></typeparam> /// <typeparam name="tvalue"></typeparam> public class antidupcache<tkey, tvalue> { private readonly int _maxcount;//缓存最高数量 private readonly long _expireticks;//超时 ticks private long _lastticks;//最后ticks private readonly readerwriterlockslim _lock = new readerwriterlockslim(); private readonly readerwriterlockslim _slimlock = new readerwriterlockslim(); private readonly dictionary<tkey, tuple<long, tvalue>> _map = new dictionary<tkey, tuple<long, tvalue>>(); private readonly dictionary<tkey, antiduplockslim> _lockdict = new dictionary<tkey, antiduplockslim>(); private readonly queue<tkey> _queue = new queue<tkey>(); class antiduplockslim : readerwriterlockslim { public int usecount; } /// <summary> /// 防重复缓存 /// </summary> /// <param name="maxcount">缓存最高数量,0 不缓存,-1 缓存所有</param> /// <param name="expiresecond">超时秒数,0 不缓存,-1 永久缓存 </param> public antidupcache(int maxcount = 100, int expiresecond = 1) { if (maxcount < 0) { _maxcount = -1; } else { _maxcount = maxcount; } if (expiresecond < 0) { _expireticks = -1; } else { _expireticks = expiresecond * timespan.fromseconds(1).ticks; } } /// <summary> /// 个数 /// </summary> public int count { get { return _map.count; } } /// <summary> /// 执行 /// </summary> /// <param name="key">值</param> /// <param name="factory">执行方法</param> /// <returns></returns> public tvalue execute(tkey key, func<tvalue> factory) { // 过期时间为0 则不缓存 if (object.equals(null, key) || _expireticks == 0l || _maxcount == 0) { return factory(); } tuple<long, tvalue> tuple; long lastticks; _lock.enterreadlock(); try { if (_map.trygetvalue(key, out tuple)) { if (_expireticks == -1) return tuple.item2; if (tuple.item1 + _expireticks > datetime.now.ticks) return tuple.item2; } lastticks = _lastticks; } finally { _lock.exitreadlock(); } antiduplockslim slim; _slimlock.enterupgradeablereadlock(); try { _lock.enterreadlock(); try { if (_lastticks != lastticks) { if (_map.trygetvalue(key, out tuple)) { if (_expireticks == -1) return tuple.item2; if (tuple.item1 + _expireticks > datetime.now.ticks) return tuple.item2; } lastticks = _lastticks; } } finally { _lock.exitreadlock(); } _slimlock.enterwritelock(); try { if (_lockdict.trygetvalue(key, out slim) == false) { slim = new antiduplockslim(); _lockdict[key] = slim; } slim.usecount++; } finally { _slimlock.exitwritelock(); } } finally { _slimlock.exitupgradeablereadlock(); } slim.enterwritelock(); try { _lock.enterreadlock(); try { if (_lastticks != lastticks && _map.trygetvalue(key, out tuple)) { if (_expireticks == -1) return tuple.item2; if (tuple.item1 + _expireticks > datetime.now.ticks) return tuple.item2; } } finally { _lock.exitreadlock(); } var val = factory(); _lock.enterwritelock(); try { _lastticks = datetime.now.ticks; _map[key] = tuple.create(_lastticks, val); if (_maxcount > 0) { if (_queue.contains(key) == false) { _queue.enqueue(key); if (_queue.count > _maxcount) _map.remove(_queue.dequeue()); } } } finally { _lock.exitwritelock(); } return val; } finally { slim.exitwritelock(); _slimlock.enterwritelock(); try { slim.usecount--; if (slim.usecount == 0) { _lockdict.remove(key); slim.dispose(); } } finally { _slimlock.exitwritelock(); } } } /// <summary> /// 清空 /// </summary> public void clear() { _lock.enterwritelock(); try { _map.clear(); _queue.clear(); _slimlock.enterwritelock(); try { _lockdict.clear(); } finally { _slimlock.exitwritelock(); } } finally { _lock.exitwritelock(); } } }
代码分析:
使用两个readerwriterlockslim锁 + 一个antiduplockslim锁,实现并发功能。
dictionary<tkey, tuple<long, tvalue>> _map实现缓存,long类型值记录时间,实现缓存过期
int _maxcount + queue<tkey> _queue,_queue 记录key列队,当数量大于_maxcount,清除多余缓存。
antiduplockslim继承readerwriterlockslim,实现垃圾回收,
代码使用 :
private readonly static antidupcache<int, int> antidupcache = new antidupcache<int, int>(50, 1); antidupcache.execute(key, () => { .... return val; });
测试性能数据:
----------------------- 开始 从1到100 重复次数:1 单位: ms -----------------------
并发数量: 1 2 3 4 5 6 7 8 9 10 11 12
普通并发: 188 93 65 46 38 36 28 31 22 20 18 19
antidupcache: 190 97 63 48 37 34 29 30 22 18 17 21
antidupqueue: 188 95 63 46 37 33 30 25 21 19 17 21
dictcache: 185 96 64 47 38 33 28 29 22 19 17 21
cache: 185 186 186 188 188 188 184 179 180 184 184 176
第二次普通并发: 180 92 63 47 38 36 26 28 20 17 16 20
----------------------- 开始 从1到100 重复次数:2 单位: ms -----------------------
并发数量: 1 2 3 4 5 6 7 8 9 10 11 12
普通并发: 368 191 124 93 73 61 55 47 44 37 34 44
antidupcache: 180 90 66 48 37 31 28 24 21 17 17 22
antidupqueue: 181 93 65 46 39 31 27 23 21 19 18 19
dictcache: 176 97 61 46 38 30 31 23 21 18 18 22
cache: 183 187 186 182 186 185 184 177 181 177 176 177
第二次普通并发: 366 185 127 95 71 62 56 48 43 38 34 43
----------------------- 开始 从1到100 重复次数:4 单位: ms -----------------------
并发数量: 1 2 3 4 5 6 7 8 9 10 11 12
普通并发: 726 371 253 190 152 132 106 91 86 74 71 69
antidupcache: 189 95 64 49 37 33 28 26 22 19 17 18
antidupqueue: 184 97 65 51 39 35 28 24 21 18 17 17
dictcache: 182 95 64 45 39 34 29 23 21 18 18 16
cache: 170 181 180 184 182 183 181 181 176 179 179 178
第二次普通并发: 723 375 250 186 150 129 107 94 87 74 71 67
----------------------- 开始 从1到100 重复次数:12 单位: ms -----------------------
并发数量: 1 2 3 4 5 6 7 8 9 10 11 12
普通并发: 2170 1108 762 569 450 389 325 283 253 228 206 186
antidupcache: 182 95 64 51 41 32 28 25 26 20 18 18
antidupqueue: 189 93 67 44 37 35 29 30 27 22 20 17
dictcache: 184 97 59 50 38 29 27 26 24 19 18 17
cache: 174 189 181 184 184 177 182 180 176 176 180 179
第二次普通并发: 2190 1116 753 560 456 377 324 286 249 227 202 189
仿线上环境,性能测试数据:
----------------------- 仿线上环境 从1到1000 单位: ms -----------------------
并发数量: 1 2 3 4 5 6 7 8 9 10 11 12
普通并发: 1852 950 636 480 388 331 280 241 213 198 181 168
antidupcache: 1844 949 633 481 382 320 267 239 210 195 174 170
antidupqueue: 1835 929 628 479 386 318 272 241 208 194 174 166
dictcache: 1841 935 629 480 378 324 269 241 207 199 176 168
cache: 1832 1854 1851 1866 1858 1858 1832 1825 1801 1797 1788 1785
第二次普通并发: 1854 943 640 468 389 321 273 237 209 198 177 172
项目:
github: https://github.com/toolgood/toolgood.antiduplication
nuget: install-package toolgood.antiduplication
后记:
尝试添加 一个queue<antiduplockslim> 或stack<antiduplockslim> 用来缓存锁,后发现性能效率相差不大,上下浮动。
使用 lock关键字加锁,速度相差不大,代码看似更简单,但隐藏了一个地雷:一般人使用唯一键都是使用string,就意味着可能使用lock(string),锁定字符串尤其危险,因为字符串被公共语言运行库 (clr)“暂留”。 这意味着整个程序中任何给定字符串都只有一个实例,就是这同一个对象表示了所有运行的应用程序域的所有线程中的该文本。因此,只要在应用程序进程中的任何位置处具有相同内容的字符串上放置了锁,就将锁定应用程序中该字符串的所有实例。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。