FusionCache并发操作中的GetOrSetAsync陷阱与解决方案
2025-06-28 16:38:09作者:胡易黎Nicole
问题背景
在分布式系统开发中,缓存是提升性能的关键组件。FusionCache作为.NET生态中的高性能缓存解决方案,其GetOrSetAsync方法被设计用于处理"获取或设置"的常见缓存模式。然而,在实际应用中,开发者可能会遇到一个看似简单却影响重大的并发问题。
问题现象
当多个线程同时调用GetOrSetAsync方法获取相同的缓存键时,预期行为应该是:
- 第一个线程发现缓存不存在,执行工厂方法获取数据
- 后续线程等待第一个线程完成,直接使用缓存结果
但实际情况却是:每个线程都独立执行了工厂方法,导致资源浪费和潜在的数据不一致问题。
问题根源
经过深入分析,问题的核心在于缓存实例的获取时机。原代码在方法内部获取缓存实例:
IFusionCache cache = cacheProvider.GetCache(Constants.TokenCacheName);
这种实现方式导致每次方法调用都创建新的缓存实例,破坏了FusionCache内部的并发控制机制。正确的做法是在类构造函数中初始化并保持缓存实例的单例性。
解决方案
正确实现方式
public class TokenService
{
private readonly IFusionCache _cache;
public TokenService(ICacheProvider cacheProvider)
{
_cache = cacheProvider.GetCache(Constants.TokenCacheName);
}
private async Task<string> GetTokenInternalAsync(string tokenCacheKey,
Func<Task<AuthenticationResult>> acquireTokenFunc)
{
bool fromCache = true;
string token = await _cache.GetOrSetAsync(
tokenCacheKey,
async ctx =>
{
// 工厂方法实现
fromCache = false;
return await acquireTokenFunc();
}
);
return token;
}
}
自适应缓存优化
对于需要动态设置缓存过期时间的场景,应使用上下文提供的Options属性:
async ctx =>
{
var result = await acquireTokenFunc();
ctx.Options.Duration = result.ExpiresOn - DateTime.UtcNow;
return result.AccessToken;
}
这种方式比外部变量更直接有效,且能确保线程安全。
最佳实践
- 缓存实例生命周期:确保在整个应用生命周期内保持缓存实例的单例性
- 并发控制:依赖FusionCache内置的并发控制机制,避免自行实现
- 动态配置:使用上下文对象进行运行时配置调整
- 日志监控:添加适当的日志记录,帮助诊断潜在的并发问题
总结
FusionCache的GetOrSetAsync方法虽然简单易用,但在并发场景下需要特别注意缓存实例的管理。通过遵循单例模式和正确使用上下文配置,可以充分发挥其高性能并发控制的优势,避免资源浪费和数据不一致问题。理解这些底层机制对于构建健壮的高并发系统至关重要。
登录后查看全文
热门项目推荐
相关项目推荐
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。C046
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TSX0123
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
最新内容推荐
Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.31 K
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
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
暂无简介
Dart
699
162
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++
697
374
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.23 K
675
Ascend Extension for PyTorch
Python
243
281
React Native鸿蒙化仓库
JavaScript
271
328