批处理程序(从队列中聚合项目)
本文关键字:项目 队列 程序 批处理 | 更新日期: 2023-09-27 18:03:38
我有一个每3秒运行一次的System.Timers.Timer
。
一旦过期,我想取集合中的所有项,并在一个批次中处理它们。
这样做的动机是为了减少后端系统上的I/o数量。
挑战在于我有多个并发线程附加到集合/队列。正因为如此,我想使用ConcurrentQueue<T>
-但这是一个糟糕的选择。
这篇关于社交msdn的文章很好地描述了这里的问题。
我需要的是一个集合/队列,我可以一次获得所有数据(ToArray()),并在一个原子操作中清除队列,这样我就不会丢失其他线程同时写入集合/队列的任何数据。
private static void T1_Elapsed(object sender, ElapsedEventArgs e)
{
string[] result = _queue.ToArray();
_queue = new ConcurrentQueue<string>(); // strings will be lost :-)
}
我倾向于在简单的Queue<T>
上使用简单的基于锁的方法。
private static readonly object _myLock = new object();
private static void T1_Elapsed(object sender, ElapsedEventArgs e)
{
string[] result;
lock (_myLock)
{
result = _queue.ToArray();
_queue.Clear();
}
}
现在这段代码有一个明显的缺陷,可以在生产者代码中看到:
private static void ProduceItems()
{
//while (!_stop)
for(int i=0; i<int.MaxValue; i++)
{
if (_stop) break;
lock (_myLock) // bad. locks out other producers running on other threads.
{
Console.WriteLine("Enqueue " + i);
_queue.Enqueue("string" + i);
}
Thread.Sleep(1000); // FOR DEBUGGING PURPOSES ONLY
}
}
当然,这段代码将锁定任何其他试图添加到队列的生产者。如果设置了"T1_Elapsed"锁,是否有任何方法可以只验证生产者中的锁?
有什么更适合我的问题吗?也许有什么可观察到的?或者有没有好的"批处理/聚合"的例子?UPDATE 1: RX
你可以用RX做的事情真是太棒了:)
我仍在研究如何在这种情况下处理错误、重试或重新排队。
internal class Rx
{
internal static void Start()
{
ISubject<int> subject = new Subject<int>();
ISubject<int> syncedSubject = Subject.Synchronize(subject); // that should do it? - UNTESTED!
var subscription = syncedSubject.Buffer(TimeSpan.FromSeconds(5), 10)
.Subscribe((item) => ProcessBatch(item));
for (int i=1; i<int.MaxValue; i++)
{
syncedSubject.OnNext(i);
Thread.Sleep(200);
Console.WriteLine($"Produced {i}.");
}
Console.ReadKey();
subscription.Dispose();
}
private static void ProcessBatch(IList<int> list)
{
// Aggregate many into one
string joined = string.Join(" ", list);
// Process one
Console.WriteLine($"Wrote {joined} to remote storage.");
// how do you account for errors here?
myProducer.ReEnqueueMyFailedItems(list); // ?
}
}
TPL DataFlow
我会说给TPL DataFlow库一个尝试。它建立在任务并行库的基础上,专为这些并发性扮演重要角色的需求而设计。有关这个库的一系列博客文章,请参阅http://blog.stephencleary.com/2012/09/introduction-to-dataflow-part-1.html。
BatchBlock
似乎很适合您的场景。参见https://msdn.microsoft.com/en-us/library/hh228602(v=vs.110).aspx获取教程。
另一个使用BatchBlock
的例子:https://taskmatics.com/blog/simplifying-producer-consumer-processing-with-tpl-dataflow-structures/
不是将数据发布到队列,而是将数据发布到可用的TPL数据流块之一。
另一个选项可以使用
<<p> 活性扩展/strong>见http://www.introtorx.com/uat/content/v1.0.10621.0/01_WhyRx.html,有很好的介绍
它还提供批处理支持:
void Sample()
{
var dataprovider = new Subject<int>();
var subscription = dataprovider
.Buffer(TimeSpan.FromMinutes(3))
.Subscribe(listOfNumbers =>
{
// do something with batch of items
var batchSize = listOfNumbers.Count;
});
for(int i = 0; i <= 5; ++i)
{
dataprovider.OnNext(i);
}
subscription.Dispose();
}
在上面的例子中,你需要一些修改来允许来自不同线程的多个生产者添加数据,参见响应式扩展OnNext。这是一段简化的代码(!),但它让你对使用RX的概念有了一个大致的了解。
缓冲可以使用最大缓冲区大小、给定时间段或两者的组合来完成。所以它也可以代替你的计时器。
在Subject
上调用OnNext
而不是将项目添加到队列
TPL DataFlow和RX都消除了需要清除的队列或类似的东西的使用,因此它将使您摆脱这种痛苦。