Polly项目中的异步执行优化:ExecuteOutcomeAsync性能提升方案
2025-05-16 07:21:16作者:廉彬冶Miranda
背景介绍
Polly是一个流行的.NET弹性与瞬态故障处理库,其v8版本引入了重大改进,特别是性能优化方面。在v8版本中,Polly引入了Outcome<T>和ExecuteOutcomeAsync等新特性,旨在减少异常处理和内存分配的开销。
问题分析
在高性能生产环境中,异常处理和内存分配的成本至关重要。Polly v7版本由于任务异常处理机制的问题,会导致异常被重新抛出,这在性能敏感场景下成为瓶颈。虽然v8版本通过Outcome<T>模式解决了部分问题,但现有API仍存在优化空间。
优化方案
核心优化思路是引入一个自定义的awaiter(ToAsyncOutcomeAwaiter),它能够在不等待任务完成的情况下,将任务异常状态转移到Outcome<T>结果中。这种方法避免了异常的重新抛出,从而提升了性能。
优化后的API提供了两个关键改进:
- 简化了API使用方式,用户可以直接返回
ValueTask<T>而不需要手动包装为Outcome<T> - 通过自定义awaiter减少了异常处理开销
技术实现
优化实现的核心在于ToAsyncOutcomeAwaiter结构体,它通过任务完成回调机制将任务结果或异常转换为Outcome<T>。主要特点包括:
- 使用
TaskCompletionSource来创建新的任务 - 通过
OnCompleted回调处理任务完成状态 - 自动解包
AggregateException以获取原始异常 - 正确处理任务取消情况
性能对比
基准测试展示了显著性能提升:
- 异常情况下执行时间减少约43%(从41.28μs降至23.59μs)
- 内存分配减少16%(从1764B降至1477B)
- 异常抛出次数减半(从2次降至1次)
在无异常的正常流程中,性能差异较小,优化版本仅增加约5%的执行时间和26%的内存分配,这在大多数场景下是可接受的代价。
实际价值
这种优化对于以下场景特别有价值:
- 高吞吐量系统,需要处理大量并发请求
- 对延迟敏感的应用程序
- 需要精细控制内存分配的环境
- 异常处理频繁的业务逻辑
总结
Polly v8已经显著提升了性能,但通过引入自定义awaiter和简化API,可以进一步优化异步执行的性能表现。这种优化特别适合异常处理频繁的高性能场景,既提升了执行效率,又简化了API使用方式。对于正在使用Polly处理异步流程的开发者,这种优化方案值得考虑采用。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
875
576
openEuler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。
C
334
161
暂无简介
Dart
762
184
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.32 K
744
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134