性能分析

StackExchange.Redis公开了一些方法和类型来启用性能分析。 由于其异步和多路复用 表现分析是一个有点复杂的主题。

接口

分析接口由 ProfilingSession, ConnectionMultiplexer.RegisterProfiler(Func<ProfilingSession>), ProfilingSession.FinishProfiling(), 和 IProfiledCommand 组合而成。

你可以用一个 ConnectionMultiplexer 实例注册一个会提供一个相关的 ProfilingSession 的回调 (Func<ProfilingSession>)。当需要时，类库会执行这个回调， 并且 如果 返回的不是一个空的 session: 操作会附加到这个 session 上， 调用某个特定的 session 的 FinishProfiling 会返回一个包含了所有发送给 ConnectionMultiplexer 配置的 redis 服务器要执行的命令相关时间信息的 IProfiledCommand 集合。 主要是由 callback 来维护追踪的独立的 session 需要的状态。

可用时间

StackExchange.Redis显示有关以下内容的信息：

  • 涉及到的redis服务器
  • 正在查询的redis数据库
  • redis 运行命令
  • 用于路由命令的标志
  • 命令的初始创建时间
  • 使命令进入队列所需的时间
  • 命令入队后，发送命令需要多长时间
  • 发送命令后，从redis接收响应需要多长时间
  • 收到响应后处理响应所需的时间
  • 如果命令是响应集群 ASK 或 MOVED 响应而发送的
    • 如果是，原始命令是什么

TimeSpan 有较高的精度，如果运行时支持。 DateTime 准确度如 DateTime.UtcNow。

性能分析示例

由于 StackExchange.Redis 的异步接口，分析需要外部协助将相关的命令组合在一起。 这是通过借助一个回调返回需要的 ProfilingSession 对象，之后调用这个 session 的 FinishProfiling() 来实现的。

可能最有用的通用会话提供程序是一个自动提供会话并在 async 调用之间工作的会话提供程序。 这很简单：

  1. class AsyncLocalProfiler
  2. {
  3.     private readonly AsyncLocal<ProfilingSession> perThreadSession = new AsyncLocal<ProfilingSession>();
  5.     public ProfilingSession GetSession()
  6.     {
  7.         var val = perThreadSession.Value;
  8.         if (val == null)
  9.         {
  10.             perThreadSession.Value = val = new ProfilingSession();
  11.         }
  12.         return val;
  13.     }
  14. }
  15. // ...
  16. var profiler = new AsyncLocalProfiler();
  17. multiplexer.RegisterProfiler(profiler.GetSession);

这将自动为每个异步上下文创建一个分析会话（如果有，则重新使用现有会话）。 在一些工作单元结束时， 调用代码可以使用 var commands = profiler.GetSession（）。FinishProfiling（）; 来获取执行的操作和时间信息数据。

一个将许多不同线程发出的命令关联在一起的 toy 示例（同时仍然允许不相关的工作不被记录）

  1. class ToyProfiler
  2. {
  3.     // note this won't work over "await" boundaries; "AsyncLocal" would be necessary there
  4.     private readonly ThreadLocal<ProfilingSession> perThreadSession = new ThreadLocal<ProfilingSession>();
  5.     public ProfilingSession PerThreadSession
  6.     {
  7.         get => perThreadSession.Value;
  8.         set => perThreadSession.Value = value;
  9.     }
  10. }
  12. // ...
  14. ConnectionMultiplexer conn = /* initialization */;
  15. var profiler = new ToyProfiler();
  16. var sharedSession = new ProfilingSession();
  18. conn.RegisterProfiler(() => profiler.PerThreadSession);
  20. var threads = new List<Thread>();
  22. for (var i = 0; i < 16; i++)
  23. {
  24.     var db = conn.GetDatabase(i);
  26.     var thread =
  27.         new Thread(
  28.             delegate()
  29.             {
  30.                 // set each thread to share a session
  31.                 profiler.PerThreadSession = sharedSession;
  33.                 var threadTasks = new List<Task>();
  35.                 for (var j = 0; j < 1000; j++)
  36.                 {
  37.                     var task = db.StringSetAsync("" + j, "" + j);
  38.                     threadTasks.Add(task);
  39.                 }
  41.                 Task.WaitAll(threadTasks.ToArray());
  42.             }
  43.         );
  45.     threads.Add(thread);
  46. }
  48. threads.ForEach(thread => thread.Start());
  49. threads.ForEach(thread => thread.Join());
  51. var timings = sharedSession.FinishProfiling();

最后，timings 将包含16,000个 IProfiledCommand 对象 - 每个发送给redis的命令对应一个对象。

如果你像下面这样做：

  1. ConnectionMultiplexer conn = /* initialization */;
  2. var profiler = new ToyProfiler();
  4. conn.RegisterProfiler(() => profiler.PerThreadSession);
  6. var threads = new List<Thread>();
  8. var perThreadTimings = new ConcurrentDictionary<Thread, List<IProfiledCommand>>();
  10. for (var i = 0; i < 16; i++)
  11. {
  12.     var db = conn.GetDatabase(i);
  14.     var thread =
  15.         new Thread(
  16.             delegate()
  17.             {
  18.                 var threadTasks = new List<Task>();
  19.                 profiler.PerThreadSession = new ProfilingSession();
  21.                 for (var j = 0; j < 1000; j++)
  22.                 {
  23.                     var task = db.StringSetAsync("" + j, "" + j);
  24.                     threadTasks.Add(task);
  25.                 }
  27.                 Task.WaitAll(threadTasks.ToArray());
  29.                 perThreadTimings[Thread.CurrentThread] = profiler.PerThreadSession.FinishProfiling().ToList();
  30.             }
  31.         );
  32.     threads.Add(thread);
  33. }
  35. threads.ForEach(thread => thread.Start());
  36. threads.ForEach(thread => thread.Join());

perThreadTimings 最终会有1000个 IProfilingCommand 的16个，主要是由 Thread 发出。

不再看这个示例，这里是如何在一个MVC5应用程序中配置 StackExchange.Redis。

首先针对你的 ConnectionMultiplexer 对象注册以下 IProfiler：

  1. public class RedisProfiler
  2. {
  3.     const string RequestContextKey = "RequestProfilingContext";
  5.     public ProfilingSession GetSession()
  6.     {
  7.         var ctx = HttpContext.Current;
  8.         if (ctx == null) return null;
  10.         return (ProfilingSession)ctx.Items[RequestContextKey];
  11.     }
  13.     public void CreateSessionForCurrentRequest()
  14.     {
  15.         var ctx = HttpContext.Current;
  16.         if (ctx != null)
  17.         {
  18.             ctx.Items[RequestContextKey] = new ProfilingSession();
  19.         }
  20.     }
  21. }

然后，将以下内容添加到Global.asax.cs文件中（其中_redisProfiler是profiler 的 实例 ）：

  1. protected void Application_BeginRequest()
  2. {
  3.     _redisProfiler.CreateSessionForCurrentRequest();
  4. }
  6. protected void Application_EndRequest()
  7. {
  8.     var session = _redisProfiler.GetSession();
  9.     if (session != null)
  10.     {
  11.         var timings = session.FinishProfiling();
  13.         // do what you will with `timings` here
  14.     }
  15. }

并且要确保连接创建的时候注册 profiler

  1. connection.RegisterProfiler(() => _redisProfiler.GetSession());

这个实现将所有redis命令（包括 async / await -ed 命令）与触发它们的http请求分组。

查看原文

返回主页