FusionCache v2.2.0预览版发布:性能优化与功能增强
项目简介
FusionCache是一个高性能的.NET缓存库,它提供了多级缓存(内存缓存+分布式缓存)、缓存失效自动刷新(Fail-Safe)、缓存雪崩保护、并发控制等高级功能。作为一个现代化的缓存解决方案,FusionCache特别适合高并发场景下的应用开发。
主要更新内容
多目标框架支持优化
本次更新对FusionCache的多目标框架支持进行了重新调整。项目现在仅显式支持当前活跃维护的.NET版本,同时保持对.NET Standard 2.0的支持。这意味着:
- 显式支持最新.NET版本(如.NET 8)
- 通过.NET Standard 2.0兼容性保证,所有兼容版本仍可使用
- 减少了不必要的显式依赖项
这种调整既保证了兼容性,又简化了依赖管理,使项目更加精简高效。
正式支持AOT编译
FusionCache长期以来都具备AOT(Ahead-Of-Time)编译兼容性,本次更新使其成为官方正式支持的特性。具体改进包括:
- 在项目文件中明确声明AOT支持
- 启用相关分析器
- 创建专门的测试控制台应用
- 全面验证AOT场景下的功能完整性
这使得FusionCache在需要AOT编译的场景(如移动应用、服务器less环境)中更加可靠。
缓存组件访问增强
新版本增加了对内部缓存组件的访问能力:
-
分布式缓存访问
新增DistributedCache属性,可直接获取当前使用的IDistributedCache实例(如果有) -
背板访问
新增Backplane属性,可直接获取当前使用的IFusionCacheBackplane实例(如果有)
这些改进为高级用户提供了更多控制能力,便于实现更复杂的缓存策略和调试。
DI容器支持NullFusionCache
现在可以通过依赖注入容器明确指定使用NullFusionCache实现。NullFusionCache是一个不执行任何实际缓存操作的实现,常用于测试场景或需要禁用缓存的特殊情况。
性能优化
-
Clear操作优化
对Clear()方法进行了深度优化,特别是在"原始清除"(Raw Clear)场景下(如仅使用L1缓存且无共享状态时),性能提升显著。 -
异步背板改进
背板通信机制现在更加异步化,减少了线程阻塞,提高了整体吞吐量。
日志级别调整
根据社区反馈,优化了日志级别设置:
- 入口/出口点日志提升至INFO级别
- 分布式缓存错误日志降级为WARNING级别
这种调整提供了更好的日志可读性,同时避免了在监控场景中触发不必要的告警。
新增内存锁实现
引入了基于第三方库AsyncKeyedLock的内存锁实现选项。用户现在可以选择:
- 内置的标准内存锁
- 基于AsyncKeyedLock的高性能替代方案
不同实现在不同场景下各有优势,用户可根据实际需求进行选择和测试。
问题修复
-
高并发下的Eager Refresh问题
修复了在高并发场景下可能出现的空引用异常。 -
抖动+故障安全模式问题
修复了同时启用抖动(Jitter)和故障安全(Fail-Safe)时可能出现的意外行为。
技术影响与建议
本次更新对FusionCache的性能和可用性都有显著提升。对于现有用户,建议关注以下方面:
-
AOT支持:如果您的应用需要AOT编译,现在可以更加自信地使用FusionCache。
-
性能优化:特别是频繁使用Clear操作的应用,性能将获得提升。
-
新功能:考虑是否可以利用新增的组件访问功能优化现有缓存策略。
-
日志调整:检查现有日志监控配置,确保适应新的日志级别设置。
对于新用户,v2.2.0预览版展示了FusionCache作为一个成熟缓存解决方案的持续演进,是开始评估或采用的良机。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0127
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00