FusionCache并发操作中的GetOrSetAsync陷阱与解决方案
2025-06-28 07:06:13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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0218
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0139
uni-appA cross-platform framework using Vue.jsJavaScript09
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
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
471
465
deepin linux kernel
C
32
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
2.09 K
218
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
700
1.4 K
暂无描述
Dockerfile
780
5.08 K
Ascend Extension for PyTorch
Python
758
968
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
880
2.03 K
MindQuantum is a general software library supporting the development of applications for quantum computation.
Python
183
111
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.11 K
682