一、高并发场景下的核心挑战
当你的网站突然被大量用户访问时，服务器可能会像早高峰的地铁站一样拥挤不堪。在.NET Core中处理高并发请求，首先要理解几个关键问题：
- 线程池饥饿：默认线程池可能无法快速响应突发流量，导致请求排队。
- 数据库连接瓶颈：频繁的数据库操作会让连接池迅速耗尽。
- 资源锁竞争：比如缓存或文件读写时的锁冲突。
举个实际例子：假设你有一个电商秒杀接口，代码如下（技术栈：.NET Core 6 + Dapper）：
// 错误示例：同步阻塞导致线程池饥饿
public IActionResult KillProduct(int productId)
{
var stock = _db.QueryFirst<int>("SELECT Stock FROM Products WHERE Id = @Id", new { Id = productId });
if (stock <= 0) return BadRequest("已售罄");
// 同步更新数据库（阻塞线程）
_db.Execute("UPDATE Products SET Stock = Stock - 1 WHERE Id = @Id", new { Id = productId });
return Ok("抢购成功");
}
注释：这段代码在并发请求下会出现超卖和线程阻塞，就像收银员一个一个处理顾客结账，队伍越排越长。
二、异步编程与性能优化
.NET Core的异步特性是解决高并发的利器。重构上面的代码：
// 正确示例：异步非阻塞处理
public async Task<IActionResult> KillProductAsync(int productId)
{
// 异步查询（释放线程）
var stock = await _db.QueryFirstAsync<int>(
"SELECT Stock FROM Products WHERE Id = @Id",
new { Id = productId });
if (stock <= 0) return BadRequest("已售罄");
// 异步更新（使用乐观并发控制）
var rows = await _db.ExecuteAsync(
"UPDATE Products SET Stock = Stock - 1 WHERE Id = @Id AND Stock > 0",
new { Id = productId });
return rows > 0 ? Ok("抢购成功") : BadRequest("库存不足");
}
注释：通过async/await避免线程阻塞，SQL语句添加Stock > 0条件防止超卖。
关联技术：
- 使用
ValueTask替代Task减少内存分配 - 用
IAsyncEnumerable处理流式数据
三、分布式缓存与队列削峰
当单机性能达到瓶颈时，可以引入Redis和消息队列。以下是结合Redis的库存扣减方案：
// 使用Redis + StackExchange.Redis
public async Task<bool> DeductStockAsync(string productId)
{
var db = _redis.GetDatabase();
// Lua脚本保证原子性
var script = @"local stock = tonumber(redis.call('GET', KEYS[1]))
if stock > 0 then
redis.call('DECR', KEYS[1])
return 1
end
return 0";
var result = (int)await db.ScriptEvaluateAsync(
script,
new RedisKey[] { $"product:{productId}:stock" });
return result == 1;
}
注释：Lua脚本在Redis中原子执行，避免竞态条件，就像把抢购请求变成排队叫号。
四、微服务与水平扩展
当流量持续增长时，需要考虑：
- 容器化部署：通过Docker+Kubernetes实现自动扩缩容
- 数据库分库分表：例如使用ShardingCore对SQL Server分片
- 负载均衡：Nginx轮询分发请求到多个服务实例
// 在Startup.cs中配置限流（使用AspNetCoreRateLimit）
services.AddRateLimiter(options => {
options.AddPolicy("api", context =>
RateLimitPartition.GetFixedWindowLimiter(
partitionKey: context.User.Identity?.Name,
factory: _ => new FixedWindowRateLimiterOptions
{
PermitLimit = 100,
Window = TimeSpan.FromMinutes(1)
}));
});
注释：这相当于给每个用户发一张"一分钟最多100次请求"的通行证。
五、实战注意事项
- 监控必不可少：集成Prometheus+Grafana监控QPS和延迟
- 熔断机制：Polly库实现服务降级
- 连接复用：如HttpClientFactory管理HTTP连接
// 使用Polly实现熔断
services.AddHttpClient<ProductService>()
.AddTransientHttpErrorPolicy(policy =>
policy.WaitAndRetryAsync(3, retryAttempt =>
TimeSpan.FromSeconds(Math.Pow(2, retryAttempt))))
.AddCircuitBreakerAsync(
exceptionsAllowedBeforeBreaking: 5,
durationOfBreak: TimeSpan.FromSeconds(30));
注释：当连续失败5次后，系统会"休息"30秒，避免雪崩效应。
总结
处理高并发就像指挥交通，需要：
- 异步化避免堵塞（像设置多车道）
- 缓存和队列分流（像设置缓冲带）
- 水平扩展增加容量（像增开收费站）
关键是要根据业务场景选择合适的技术组合，并始终通过压力测试验证方案。
评论