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 IProfiler
, ConnectionMultiplexer.RegisterProfiler(IProfiler)
,ConnectionMultiplexer.BeginProfiling(object)
,ConnectionMultiplexer.FinishProfiling(object)
和 IProfiledCommand
。
你可以用一个 ConnectionMultiplexer
实例注册一个 IProfiler
,它不能被改变。你可以通过调用 BeginProfiling(object)
开始分析一个给定的上下文对象(例如,线程,Http请求等等),调用 FinishProfiling(object)
来完成。FinishProfiling(object)
返回一个 IProfiledCommand
集合的对象,它包含了通过 (Begin|Finish)Profiling
调用和给定上下文配置好的 ConnectionMultiplexer
对象发送到 redis 的所有命令的时间信息。
应该使用什幺“上下文”对象是应用程序来确定的。
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命令运行
- 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,原始命令是什幺
TimeSpan
有较高的精度,如果运行时支持。 DateTime
准确度如 DateTime.UtcNow
。
选择上下文
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。 这是实现的
通过提供上下文对象,当你开始和结束profiling(通过 BeginProfiling(object)
& FinishProfiling(object)
方法),当一个命令被发送(通过 IProfiler
接口的 GetContext()
方法)。
一个将许多不同线程发出的命令关联在一起的玩具示例:
class ToyProfiler : IProfiler
{
public ConcurrentDictionary<Thread, object> Contexts = new ConcurrentDictionary<Thread, object>();
public object GetContext()
{
object ctx;
if(!Contexts.TryGetValue(Thread.CurrentThread, out ctx)) ctx = null;
return ctx;
}
}
// ...
ConnectionMultiplexer conn = /* initialization */;
var profiler = new ToyProfiler();
var thisGroupContext = new object();
conn.RegisterProfiler(profiler);
var threads = new List<Thread>();
for (var i = 0; i < 16; i++)
{
var db = conn.GetDatabase(i);
var thread =
new Thread(
delegate()
{
var threadTasks = new List<Task>();
for (var j = 0; j < 1000; j++)
{
var task = db.StringSetAsync("" + j, "" + j);
threadTasks.Add(task);
}
Task.WaitAll(threadTasks.ToArray());
}
);
profiler.Contexts[thread] = thisGroupContext;
threads.Add(thread);
}
conn.BeginProfiling(thisGroupContext);
threads.ForEach(thread => thread.Start());
threads.ForEach(thread => thread.Join());
IEnumerable<IProfiledCommand> timings = conn.FinishProfiling(thisGroupContext);
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。
如果相反,你像下面这样做:
ConnectionMultiplexer conn = /* initialization */;
var profiler = new ToyProfiler();
conn.RegisterProfiler(profiler);
var threads = new List<Thread>();
var perThreadTimings = new ConcurrentDictionary<Thread, List<IProfiledCommand>>();
for (var i = 0; i < 16; i++)
{
var db = conn.GetDatabase(i);
var thread =
new Thread(
delegate()
{
var threadTasks = new List<Task>();
conn.BeginProfiling(Thread.CurrentThread);
for (var j = 0; j < 1000; j++)
{
var task = db.StringSetAsync("" + j, "" + j);
threadTasks.Add(task);
}
Task.WaitAll(threadTasks.ToArray());
perThreadTimings[Thread.CurrentThread] = conn.FinishProfiling(Thread.CurrentThread).ToList();
}
);
profiler.Contexts[thread] = thread;
threads.Add(thread);
}
threads.ForEach(thread => thread.Start());
threads.ForEach(thread => thread.Join());
perThreadTimings
最终会有1000个 IProfilingCommand
的16个,键由 Thread
发出。
不再看玩具示例,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
:
public class RedisProfiler : IProfiler
{
const string RequestContextKey = "RequestProfilingContext";
public object GetContext()
{
var ctx = HttpContext.Current;
if (ctx == null) return null;
return ctx.Items[RequestContextKey];
}
public object CreateContextForCurrentRequest()
{
var ctx = HttpContext.Current;
if (ctx == null) return null;
object ret;
ctx.Items[RequestContextKey] = ret = new object();
return ret;
}
}
然后,将以下内容添加到 Global.asax.cs 文件:
protected void Application_BeginRequest()
{
var ctxObj = RedisProfiler.CreateContextForCurrentRequest();
if (ctxObj != null)
{
RedisConnection.BeginProfiling(ctxObj);
}
}
protected void Application_EndRequest()
{
var ctxObj = RedisProfiler.GetContext();
if (ctxObj != null)
{
var timings = RedisConnection.FinishProfiling(ctxObj);
// do what you will with `timings` here
}
}
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。