浅谈C#网络编程详解篇
阅读目录:
基础
socket编程
多线程并发
阻塞式同步io
基础
在现今软件开发中,网络编程是非常重要的一部分,本文简要介绍下网络编程的概念和实践。
socket是一种网络编程接口,它是对传输层tcp、udp通信协议的一层封装,通过友好的api暴露出去,方便在进程或多台机器间进行网络通信。
socket编程
在网络编程中分客户端和服务端两种角色,比如通过打开浏览器访问到挂在web软件上的网页,从程序角度上来看,即客户端(浏览器)发起了一个socket请求到服务器端,服务器把网页内容返回到浏览器解析后展示。在客户端和服务端数据通信前,会进行三次确认才会正式建立连接,也即是三次握手。
- 客户端发送消息询问服务端是否准备好
- 服务端回应我准备好了,你呢准备好了吗
- 客户端回应服务端我也准备好了,可以通信了
tcp/ip协议是网络间通信的基础协议,在不同编程语言及不同操作系统下暴露的socket接口用法也大同小异,仅是其内部实现有所不同,比如linux下的epoll和windows下的iocp。
服务端
- 实例化socket
- 把公共地址端口绑定操作系统上
- 开始监听绑定的端口
- 等待客户端连接
ipendpoint ip = new ipendpoint(ipaddress.any, 6389); socket listensocket = new socket(ip.addressfamily, sockettype.stream, protocoltype.tcp); listensocket.bind(ip); listensocket.listen(100); listensocket.accept();
listen函数中有个int类型参数,它表示最大等待处理连接的数量,表示已建立连接但还未处理的数量,每调用accept函数一下即从这个等待队列中拿出一个连接。 通常服务端要服务多个客户端请求的连接,所以会循环从等待队列中拿出连接,进行接收发送。
while (true) { var accept= listensocket.accept(); accept.receive(); accept.send(); }
多线程并发
上面的服务端程序处理接收和发送消息都是在当前线程下完成的,这意味着要处理完一个客户端连接后才能去处理下一个连接,如果当前连接是进行数据库或者文件读取写入等io操作,那会极大浪费服务器的cpu资源,降低了服务器吞吐量。
while (true) { var accept = listensocket.accept(); threadpool.queueuserworkitem((obj) => { byte[] receive = new byte[100]; accept.receive(receive); byte[] send = new byte[100]; accept.send(receive); }); }
如例子中,当监听到有新连接请求过来时,调用accept()取出当前连接的socket,使用新的线程去处理接收和发送信息,这样服务端就能实现并发处理多个客户端了。 上述代码中,在高并发下其实是有问题的,如果客户端连接请求成千上万个,那线程数量也会有这么多,每个线程的栈空间都需要消耗部分内存,再加上线程上下文切换,容易导致服务器负载过高,吞吐量大大下降,严重时会引起宕机。 当前例子中使用系统threadpool的话,线程数量会固定在一个数量上,默认是1000,不会无限制开线程,会把处理超出线程数量的请求放到线程池中的队列上面。
在unix下类似的实现有2种:
fork一个新进程去处理客户端的连接:
var connfd = accept(listenfd,(struct sockaddr *)&cliaddr,&cliaddr_len); var m = fork(); if(m == 0) { //do something }
创建一个新的线程处理限流:
var *clientsockfd = accept(serversockfd,(struct sockaddr *)&clientaddress, (socklent *)&clientlen); if(pthreadcreate(&thread, null, recdata, clientsockfd)!=0) { //do something }
阻塞式同步io
上述例子中使用的即是该模型,使用起来简单方便。
while (true) { var accept = listensocket.accept(); byte[] receive = new byte[100]; accept.receive(receive); byte[] send = new byte[100]; accept.send(receive); }
从调用receive函数起到接受到客户端发过来的数据期间,该函数会一直阻塞等待着,这个阻塞期间处理流程如下:
- 客户端发送数据
- 通过广域网局域网发送到服务端机器网卡缓冲区上
- 网卡驱动对cpu发送中断指令
- cpu把数据拷贝到内核缓冲区
- cpu再把内核缓冲区的数据拷贝用户缓冲区,上面的receive字节数组。
至此处理成功,开始处理下一个连接请求。 调用发送函数同样会阻塞在当前,然后把用户缓冲区(send字节数组)数据拷贝到内核中tcp发送缓冲区中。 tcp的发送缓冲区也有一定的大小限制,如果发送的数据大于该限制,send函数会一直等待发送缓冲区有空闲时完全拷贝完才会返回,继续处理后续连接请求。
异步io
上篇提到用多线程处理多个阻塞同步io而实现并发服务端,这种模式在连接数量比较小的时候非常适合,一旦连接过多,性能会急速下降。 在大多数服务端网络软件中会采用一种异步io的方式来提高性能。
同步io方式:连接receive请求->等待->等待->接收成功
异步io方式:连接receive请求->立即返回->事件或回调通知
采用异步io方式,意味着单线程可以处理多个请求了,连接发起一个receive请求后,当前线程可以立即去做别的事情,当数据接收完毕通知线程处理即可。
其数据接收分2部分:
数据从别的机器发送内核缓冲区
内核缓冲区拷贝到用户缓冲区
第二部分示例代码:
byte[] msg = new byte[256]; socket.receive(msg);
介绍这2部分的目的是方便区分其他几种方式。 对于用户程序来说,同步io和异步io的区别在于第二部分是否需要等待。
非阻塞式同步io
非阻塞式同步io,由同步io延伸出来,把这个名词拆分成2部分描述:
- 非阻塞式,指的是上节"数据从别的机器发送内核缓冲区"部分是非阻塞的。
- 同步io,指的是上节"内核缓冲区拷贝到用户缓冲区"部分是等待的。
既然是第一部分是非阻塞的,那就需要一种方法得知什么时候内核缓冲区是ok的。 设置非阻塞模式后,在连接调用receive方法时,会立即返回一个标记,告知用户程序内核缓存区有没有数据,如果有数据开始进行第二部分操作,从内核缓冲区拷贝到用户程序缓冲区。 由于系统会返回个标记,那可以通过轮询方式来判断内核缓冲区是否ok。
设置非阻塞模式参考代码:
socketinformation sif=new socketinformation(); sif.options=socketinformationoptions.nonblocking; sif.protocolinformation = new byte[24]; socket socket = new socket(sif);
轮询参考代码:
while(true) { byte[] msg = new byte[256]; var temp = socket.receive(msg); if (temp=="ok"){ //do something }else{ continue } }
这种方式近乎淘汰了,了解即可。
基于回调的异步io
上面介绍过:
异步io方式:连接receive请求->立即返回->事件或回调通知
当回调到执行时,数据已经在用户程序缓冲区已经准备好了,在回调代码中对这部分数据进行相应的逻辑即可。
发出接收请求:
static byte[] msg = new byte[256]; var temp = socket.beginreceive(msg, 0, msg.length, 0, new asynccallback(readcallback), socket);
回调函数中对数据做处理:
public static void readcallback(iasyncresult ar) { var socket = (socket)ar.asyncstate; int read = socket.endreceive(ar); dosomething(msg); socket.beginreceive(msg, 0, msg.length, 0, new asynccallback(read_callback), socket); }
当回调函数执行时,表示数据已经准备好,需要先结束接收请求endreceive,以便第二次发出接收请求。 在服务端程序中要处理多个客户端的接收,再次发出beginreceive接收数据请求即可。
这里的回调函数是在另外一个线程的触发,必要时要对数据加锁防止数据竞争:
console.writeline(thread.currentthread.managedthreadid);
针对c#网络编程的介绍就到这了,具体的大家可以查看之前发布的文章。
上一篇: 陈凯:大数据时代网民也被数据化
下一篇: 大数据,大变革,大时代