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 IProfiler, ConnectionMultiplexer.RegisterProfiler(IProfiler) ，ConnectionMultiplexer.BeginProfiling(object) ，
ConnectionMultiplexer.FinishProfiling(object) 和 IProfiledCommand 组合而成。
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) 来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。
应该使用什么“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，原始命令是什么
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
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）实现的。
一个将许多不同线程发出的命令关联在一起的 toy 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。