.NET 高并发编程全景：从异步到高性能实战

Wed, 17 Jun 2026 10:00:00 +0800

写在前面

高并发是后端绕不开的话题。面试问、生产遇、架构要想。.NET 在高并发这块其实很强——async/await 模型、Channel、Span、Kestrel 都是世界级的实现，只是被 Java/Go 的声量盖住了。

本文系统梳理 .NET 处理高并发的全景：从理论概念，到异步编程、同步原语、并发集合、并行计算、高性能内存、缓存、限流熔断，最后落到数据库和监控。读完能建立完整的 .NET 高并发知识体系。

版本说明：本文基于 .NET 8 LTS（代码风格与 API 均适用），最低要求 .NET 7（内置限流中间件 AddRateLimiter 是 .NET 7 引入）。所有特性向上兼容 .NET 9 / .NET 10。涉及的关键 API 引入版本见各章节注释。

一、什么是高并发

1.1 定义

高并发没有绝对标准，通常指系统在短时间内处理大量请求的能力。但"高"是相对的：

场景              QPS（每秒请求数）    并发连接数
─────────────────────────────────────────────────
个人博客          10 ~ 100              < 100
中型网站          1k ~ 5k               1k ~ 5k
电商秒杀          1万 ~ 10万            1万 ~ 5万
双十一峰值        10万 ~ 百万           十万级
搜索/广告         百万级                百万级

高并发不是单一指标，是 QPS、响应时间、并发数、
错误率、资源占用等多个维度的综合表现。

1.2 核心指标

QPS / TPS        — 每秒请求数 / 事务数（吞吐量）
并发数            — 同时处理的请求数
响应时间（RT）    — P50 / P95 / P99（看尾部延迟，不只看平均）
错误率            — 失败请求占比
资源占用          — CPU、内存、网络、磁盘 I/O

黄金法则：
  吞吐量（QPS）= 并发数 / 平均响应时间
  想提高 QPS：要么提高并发数，要么降低响应时间

1.3 高并发的挑战

1. 资源竞争
   多线程访问共享资源 → 需要同步（锁）→ 锁竞争降低性能

2. 数据一致性
   并发写同一数据 → 脏读、丢失更新、超卖

3. 性能瓶颈
   数据库连接、网络 I/O、CPU、内存都可能成为瓶颈

4. 系统稳定性
   流量突增 → 雪崩（一个服务拖垮整个链路）
   需要限流、熔断、降级

5. 可观测性
   高并发下问题难定位 → 需要链路追踪、指标监控

二、概念澄清：并发、并行、异步

这三个词常被混用，但本质不同。

并发（Concurrency）— 同时应对多件事（可能交替执行）
  一个厨师同时做三道菜：切菜→炒A→切肉→炖汤→炒B...
  单核 CPU 也能并发（时间片轮转）

并行（Parallelism）— 同时做多件事（真正同时）
  三个厨师同时做三道菜
  需要多核 CPU 才能真正并行

异步（Asynchronous）— 不等待，先干别的
  厨师把菜放进烤箱，趁这时间去切菜，烤箱好了再回来
  本质是"不阻塞等待 I/O"

关系：
  异步是实现并发的一种方式（不阻塞线程）
  并行是利用多核同时计算
  高并发系统通常 = 异步 I/O + 适度并行 + 缓存 + 限流

.NET 中的对应：
  异步 → async/await、Task（处理 I/O 等待）
  并行 → Parallel.For、PLINQ（利用多核计算）
  并发 → 并发集合、Channel（多线程协作）

三、异步编程：async/await（.NET 的招牌）

async/await 是 .NET 高并发的基石。它让你写出看起来同步、实际异步的代码，不阻塞线程。

3.1 为什么异步能扛高并发

同步代码：
  请求1：读数据库（线程等 50ms）→ 处理 → 返回
  请求2：读数据库（线程等 50ms）→ 处理 → 返回

  每个请求占用一个线程，线程在等 I/O 时空转
  线程池默认几十个线程 → 几十个并发就饱和

异步代码：
  请求1：发起读数据库（线程释放）→ I/O 完成回调 → 处理 → 返回
  请求2：发起读数据库（线程释放）→ ...

  等 I/O 时不占线程，少量线程就能处理上万并发
  这就是 Kestrel 单机能扛数十万并发的根本原因

3.2 基本用法

// 同步（阻塞线程）
public User GetUser(int id)
{
    return _db.Users.Find(id);   // 线程在这里等数据库
}

// 异步（不阻塞线程）
public async Task<User> GetUserAsync(int id)
{
    return await _db.Users.FindAsync(id);  // 等待时线程释放
}

3.3 async/await 的本质：状态机

// 你写的代码
public async Task<string> GetDataAsync()
{
    var a = await GetDataAAsync();
    var b = await GetDataBAsync();
    return a + b;
}

// 编译器生成的（简化）
// 本质是一个状态机，await 之间是状态切换
public Task<string> GetDataAsync()
{
    var stateMachine = new StateMachine();
    stateMachine.builder = AsyncTaskMethodBuilder<string>.Create();
    stateMachine.MoveNext();  // 执行到第一个 await
    return stateMachine.builder.Task;
}

// MoveNext 内部根据状态决定执行哪一段
// state 0: 调 GetDataAAsync，注册回调，return
// state 1: A 完成，调 GetDataBAsync，注册回调，return
// state 2: B 完成，拼接结果，完成 Task

关键理解：
  await 不是"阻塞等待"，而是"注册回调后返回"
  线程在 await 处释放，I/O 完成后用线程池线程继续执行后续代码
  这就是为什么异步不占线程

3.4 Task vs ValueTask

// Task — 引用类型，每次都分配对象
public async Task<int> CountAsync()
{
    if (_cached) return _value;   // 即使同步返回，也分配了 Task
    return await ComputeAsync();
}

// ValueTask — 结构体，热路径可避免分配
public ValueTask<int> CountAsync()
{
    if (_cached) return new ValueTask<int>(_value);  // 零分配！
    return new ValueTask<int>(ComputeAsync());
}

选择：
  Task       — 一般场景，API 简单，默认用它
  ValueTask  — 高频调用、可能同步完成的热路径
               （缓存命中、内存计算）

注意：
  ValueTask 只能 await 一次（不能多次 await）
  不确定就用 Task，性能敏感再上 ValueTask

3.5 CancellationToken（取消）

高并发系统必须有取消机制——超时、用户放弃、服务降级时及时停止。

public async Task<User> GetUserAsync(int id, CancellationToken cancellationToken)
{
    // 传递给下游
    return await _db.Users.FindAsync(id, cancellationToken);
}

// 调用方控制取消
using var cts = new CancellationTokenSource(TimeSpan.FromSeconds(5));
try
{
    var user = await GetUserAsync(1, cts.Token);
}
catch (OperationCanceledException)
{
    // 超时或主动取消
}

// 手动取消
cts.Cancel();

最佳实践：
  ✓ 所有公开的异步方法都接受 CancellationToken
  ✓ 传递给下游（数据库、HTTP、延时）
  ✓ 在循环里检查 token.ThrowIfCancellationRequested()
  ✗ 不要吞掉 CancellationToken 参数

3.6 ConfigureAwait

// 库代码：不要捕获同步上下文（避免死锁、提升性能）
await DoSomethingAsync().ConfigureAwait(false);

// ASP.NET Core：没有同步上下文，ConfigureAwait(false) 无意义
// （但写了也没坏处，库代码建议写）

历史背景：
  老的 ASP.NET / WinForms / WPF 有 SynchronizationContext
  await 默认回到原上下文 → 可能死锁
  ConfigureAwait(false) 避免

  ASP.NET Core 没有 SynchronizationContext → 不存在这问题
  但写库时养成习惯，跨平台兼容

3.7 IAsyncEnumerable（异步流）

// 异步流：边产生边消费，不用一次性全部加载
public async IAsyncEnumerable<User> GetUsersAsync(
    [EnumeratorCancellation] CancellationToken ct = default)
{
    await foreach (var row in _db.Users.AsAsyncEnumerable().WithCancellation(ct))
    {
        yield return row;  // 产生一个就返回一个
    }
}

// 消费
await foreach (var user in GetUsersAsync())
{
    Process(user);  // 流式处理，内存友好
}

四、同步原语

先解释这个词，“同步原语”（Synchronization Primitive）不太好理解，拆开看：

同步 — 协调多个线程/进程，让它们有序访问共享资源，避免抢成一团
原语 — 最基础、不可分割的操作单元（primitive，“原始的”）

合起来：操作系统/运行时提供的、用来协调多线程访问共享资源的最底层机制。

为什么需要"原语"：
  多个线程同时执行 _count++，看似一行，实际是三步：
    1. 读 _count 到寄存器
    2. 寄存器 +1
    3. 写回 _count
  线程 A、B 同时执行，可能互相覆盖 → 丢更新

  你没法自己"实现"一个原子操作，必须用系统/运行时提供的工具
  这些工具就是"原语"——它们是构建复杂同步逻辑的"原子积木"

打个比方：
  同步原语 = 乐高的基础积木块（lock、Semaphore、Event...）
  Channel、生产者-消费者 = 用积木拼出来的复杂结构

.NET 里的同步原语：
  lock / Monitor              — 互斥锁
  Semaphore / SemaphoreSlim   — 信号量
  Interlocked                 — 原子操作
  ManualResetEvent 系列        — 事件等待句柄
  Mutex / ReaderWriterLockSlim — 互斥锁 / 读写锁

当多线程必须访问共享资源时，就用这些原语来协调。下面逐一介绍。

4.1 选择指南

场景                         推荐
──────────────────────────────────────────────
简单的临界区保护              lock / Monitor
异步代码里的锁                SemaphoreSlim
原子计数/标志                 Interlocked
读多写少                      ReaderWriterLockSlim
进程内信号量/并发限制          SemaphoreSlim
跨进程互斥                    Mutex
跨进程信号量/并发限制          Semaphore
跨进程事件通知                EventWaitHandle
线程间事件通知（进程内）        ManualResetEventSlim
等待N个任务完成（fork-join）    CountdownEvent
生产者-消费者                 Channel<T>（不用自己加锁）
高并发字典                    ConcurrentDictionary

4.2 lock / Monitor

private readonly object _lock = new();
private int _count;

public void Increment()
{
    lock (_lock)              // 等价于 Monitor.Enter / Exit
    {
        _count++;
    }
}

// 注意：
// 1. lock 对象要是 readonly private，别 lock(this)、lock(typeof(X))
// 2. lock 内不要 await（lock 不支持，会编译错误）
// 3. 持锁时间尽量短

4.3 SemaphoreSlim（异步友好）

lock 不能 await，异步代码用 SemaphoreSlim。

private readonly SemaphoreSlim _semaphore = new(1, 1);  // 初始1，最大1 = 互斥

public async Task UpdateAsync()
{
    await _semaphore.WaitAsync();       // 异步等待锁
    try
    {
        await DoWorkAsync();            // 锁内可以 await
    }
    finally
    {
        _semaphore.Release();           // 必须释放
    }
}

// 也可以做并发数限制（不只是互斥）
private readonly SemaphoreSlim _concurrencyLimit = new(100);  // 最多100并发

4.4 Semaphore（跨进程信号量）

SemaphoreSlim 只能进程内，需要跨进程限制资源并发访问时用 Semaphore。

// 命名信号量：跨进程可见
// 限制本机最多 3 个进程同时访问某资源
using var semaphore = new Semaphore(
    initialCount: 3,
    maximumCount: 3,
    name: @"Global\MyAppResourceLimit");   // 命名 → 跨进程

semaphore.WaitOne();          // 获取（计数-1），满了就等
try
{
    AccessSharedResource();   // 临界区，跨进程生效
}
finally
{
    semaphore.Release();      // 释放（计数+1）
}

Semaphore vs SemaphoreSlim：
                    Semaphore           SemaphoreSlim
─────────────────────────────────────────────────────────
底层实现             OS 内核对象          托管对象（用户态）
异步等待 WaitAsync   ✗（只有 WaitOne）    ✓
跨进程（命名）        ✓                   ✗
性能                 较低（内核态切换）     高

选择：
  进程内 + 异步 → SemaphoreSlim（绝大多数场景）
  跨进程限制并发 → Semaphore（命名信号量）

信号量 vs Mutex：
  Mutex      — 互斥，同一时刻只允许 1 个
  Semaphore  — 计数，允许 N 个（initialCount 控制）
               适合"资源池"场景（限制最多 N 个并发连接/任务）

4.5 事件等待句柄（信号通知）

用于线程（或进程）之间的信号通知——一个线程通知另一个线程某事件发生了。

EventWaitHandle 家族：
  EventWaitHandle        — 基类，支持命名（跨进程）
  ManualResetEvent       — 手动重置（继承 EventWaitHandle）
  AutoResetEvent         — 自动重置（继承 EventWaitHandle）
  ManualResetEventSlim   — 轻量版，进程内，性能更好
  CountdownEvent         — 等待 N 个信号（fork-join）

ManualResetEvent（闸门）

// 像一道闸门：打开后保持打开，所有等待者都通过，直到手动关闭
var gate = new ManualResetEvent(initialState: false);  // 初始关闭

// 多个工作线程等待开工信号
for (int i = 0; i < 10; i++)
    Task.Run(() => {
        gate.WaitOne();        // 阻塞，直到闸门打开
        DoWork();
    });

// 主线程打开闸门 → 所有等待线程同时放行（广播）
gate.Set();

// 闸门保持打开；需要再次阻塞时手动关闭
gate.Reset();

1
2

特点：Set 后保持 signaled，所有 WaitOne 立即返回
适合：一次性广播通知（初始化完成、开始信号）

AutoResetEvent（旋转门）

// 像旋转门：Set 放行一个等待者后，自动关上
var turnstile = new AutoResetEvent(initialState: false);

// 消费者
Task.Run(() => {
    while (true)
    {
        turnstile.WaitOne();    // 等待信号
        ProcessItem();
    }
});

// 生产者：每来一个就 Set 一次（放行一个）
turnstile.Set();

1
2
3

特点：Set 释放一个等待者后自动 Reset
适合：一次通知一个（经典生产者-消费者信号）
      但现代推荐用 Channel<T>，更强大

ManualResetEventSlim（轻量版）

// 进程内的 ManualResetEvent，性能更好
var slim = new ManualResetEventSlim(initialState: false);

slim.Wait();    // 先自旋一小段，再阻塞（短等待更快）
slim.Set();
slim.Reset();

// 区别：不能跨进程，但短时间等待性能更好
// 进程内场景优先用它

CountdownEvent（fork-join）

// 等待 N 个并行任务全部完成
var countdown = new CountdownEvent(5);    // 等 5 个信号

Parallel.For(0, 5, i =>
{
    DoTask(i);
    countdown.Signal();                  // 完成 1 个，计数 -1
});

countdown.Wait();                        // 等待全部完成

1
2

适合：分叉-汇合（fork-join）模式
      启动 N 个并行任务，等所有完成

跨进程事件通知

// 命名事件：跨进程可见（两个进程协调）
var evt = new EventWaitHandle(
    initialState: false,
    mode: EventResetMode.AutoReset,
    name: @"Global\MyAppStartSignal");

evt.WaitOne();   // 进程A 等待
evt.Set();       // 进程B 通知

现代场景的替代：
  异步等待信号 → TaskCompletionSource（把信号变成可 await 的 Task）
  生产者-消费者 → Channel<T>
  这些等待句柄是阻塞式的，async 场景不太合适
  但跨进程协调、遗留代码兼容、特定同步场景仍不可替代

4.6 Interlocked（原子操作）

private int _counter;

// 原子自增（无锁，极快）
Interlocked.Increment(ref _counter);
Interlocked.Decrement(ref _counter);
Interlocked.Add(ref _counter, 10);

// 原子读取/赋值（64位在32位系统上需要）
long value = Interlocked.Read(ref _largeValue);
Interlocked.Exchange(ref _counter, 0);

// CAS（Compare-And-Swap）— 无锁编程基础
int original;
do
{
    original = _counter;
} while (Interlocked.CompareExchange(ref _counter, original + 1, original) != original);

4.7 ReaderWriterLockSlim（读多写少）

private readonly ReaderWriterLockSlim _rwLock = new();

// 多个读线程可以同时进入
public User Read(int id)
{
    _rwLock.EnterReadLock();
    try { return _cache[id]; }
    finally { _rwLock.ExitReadLock(); }
}

// 写线程独占
public void Write(int id, User user)
{
    _rwLock.EnterWriteLock();
    try { _cache[id] = user; }
    finally { _rwLock.ExitWriteLock(); }
}

五、并发集合与 Channel

多线程协作时，优先用并发集合而不是自己加锁。

5.1 并发集合一览

集合                     特点                          适用
──────────────────────────────────────────────────────────────
ConcurrentDictionary     线程安全字典                    高并发读写、缓存
ConcurrentQueue<T>       无锁 FIFO 队列                 生产者-消费者
ConcurrentStack<T>       无锁 LIFO 栈                   工作窃取
ConcurrentBag<T>         无序，线程本地存储              无顺序要求的并行
BlockingCollection<T>    带阻塞的集合（封装上面）         经典生产者-消费者

5.2 ConcurrentDictionary

var cache = new ConcurrentDictionary<string, User>();

// 原子的 GetOrAdd（不存在才添加）
var user = cache.GetOrAdd("key", k => LoadFromDb(k));

// 原子的 AddOrUpdate
cache.AddOrUpdate("key",
    addValue: k => new User(),
    updateValueFactory: (k, old) => UpdateUser(old));

// 注意：GetOrAdd 的工厂可能被多次调用（非原子）
// 高性能场景用 TryGetValue + TryAdd 手动控制

5.3 Channel（.NET 高并发的明星）

System.Threading.Channels 是 .NET 专门为高并发生产者-消费者场景设计的，性能远超 ConcurrentQueue + BlockingCollection。

// 安装
// dotnet add package System.Threading.Channels

// 创建 channel（无界）
var channel = Channel.CreateUnbounded<Order>();

// 创建 channel（有界，背压控制）
var bounded = Channel.CreateBounded<Order>(1000);  // 最多缓冲 1000

生产者

// 写入
await channel.Writer.WriteAsync(order);     // 满了会等待（有界）
channel.Writer.TryWrite(order);             // 不等待，返回是否成功

// 完成
channel.Writer.Complete();                  // 通知没有更多数据

消费者

// 读取
await foreach (var order in channel.Reader.ReadAllAsync())
{
    await ProcessAsync(order);
}

// channel 完成且读完时，循环自动结束

完整示例：订单处理管道

public class OrderPipeline
{
    private readonly Channel<Order> _channel;

    public OrderPipeline(int capacity = 1000)
    {
        _channel = Channel.CreateBounded<Order>(new BoundedChannelOptions(capacity)
        {
            FullMode = BoundedChannelFullMode.Wait,    // 满了等待
            SingleReader = false,
            SingleWriter = false
        });
    }

    // 生产者：接收订单
    public async Task EnqueueAsync(Order order, CancellationToken ct)
    {
        await _channel.Writer.WriteAsync(order, ct);
    }

    // 消费者：多 worker 并行处理
    public async Task ConsumeAsync(int workerCount, CancellationToken ct)
    {
        var workers = Enumerable.Range(0, workerCount)
            .Select(_ => Task.Run(async () =>
            {
                await foreach (var order in _channel.Reader.ReadAllAsync(ct))
                {
                    await ProcessOrderAsync(order);
                }
            }));

        await Task.WhenAll(workers);
    }

    public void Complete() => _channel.Writer.Complete();
}

Channel 的优势：
  ✓ 无锁或细粒度锁，性能极高
  ✓ 支持 async/await（不阻塞线程）
  ✓ 支持背压（BoundedChannel 控制内存）
  ✓ 支持 SingleReader/SingleWriter 优化
  ✓ 是 ASP.NET Core 内部用的（SignalR、Quartz 等）

  可以说：Channel 是 .NET 替代 Go channel 的方案

5.4 不可变集合

// System.Collections.Immutable
// 每次修改返回新实例，天然线程安全

var list = ImmutableList<int>.Empty;
var list2 = list.Add(1);     // list 不变，list2 是新的
var list3 = list2.Add(2);

// 适合：配置、只读缓存、共享状态
// 修改开销大（复制），但读取绝对安全

六、并行计算：TPL

CPU 密集型任务要利用多核，用 TPL（Task Parallel Library）。

6.1 Parallel.For / Parallel.ForEach

// 并行处理（CPU 密集型）
var data = Enumerable.Range(0, 1_000_000).ToArray();

// 并行 For
Parallel.For(0, data.Length, i =>
{
    data[i] = Compute(data[i]);
});

// 并行 ForEach
Parallel.ForEach(data, item =>
{
    Process(item);
});

// 控制并发度
var options = new ParallelOptions
{
    MaxDegreeOfParallelism = Environment.ProcessorCount
};
Parallel.ForEach(data, options, item => Process(item));

6.2 PLINQ（并行 LINQ）

// AsParallel() 把 LINQ 变成并行
var result = data
    .AsParallel()
    .Where(x => x % 2 == 0)
    .Select(x => x * x)
    .OrderBy(x => x)
    .ToList();

// 控制并发度
var result2 = data
    .AsParallel()
    .WithDegreeOfParallelism(8)
    .Select(Compute)
    .ToList();

注意：
  ✗ 小数据集别用并行（调度开销 > 收益）
  ✗ I/O 密集型别用 Parallel/PLINQ（它们是为 CPU 设计的）
     I/O 用 Task.WhenAll
  ✓ 数据量大 + 计算密集才用

6.3 Task.WhenAll（并发 I/O）

// 并发请求多个 I/O（不是并行计算，是并发等待）
var urls = new[] { "url1", "url2", "url3" };

// 错误：串行（一个等一个）
var results = new List<string>();
foreach (var url in urls)
{
    results.Add(await httpClient.GetStringAsync(url));  // 串行！
}

// 正确：并发（一起发起，一起等）
var tasks = urls.Select(url => httpClient.GetStringAsync(url));
var results = await Task.WhenAll(tasks);   // 总耗时 ≈ 最慢的那个

区分：
  Task.WhenAll  — 并发 I/O（等网络，不占 CPU）
  Parallel.For  — 并行计算（占 CPU 多核）
  
  这是新手最常搞错的点：I/O 密集用 WhenAll，CPU 密集用 Parallel

七、高性能内存：Span、Pipelines、Pool

.NET Core 之后引入了一系列高性能内存原语，这是 .NET 能和原生 C++ 掰手腕的资本。

7.1 Span / Memory（零拷贝）

// Span<T> — 连续内存的视图，不复制数据
// 堆栈上分配（ref struct），极快

// 切分数组，零拷贝
byte[] buffer = new byte[1000];
Span<byte> slice = buffer.AsSpan(100, 50);  // 从100开始，取50个

// stackalloc — 栈上分配（不进堆，无 GC）
Span<int> stackData = stackalloc int[100];  // 栈上，方法结束自动回收

// 字符串操作零拷贝
string text = "Hello, World";
ReadOnlySpan<char> hello = text.AsSpan(0, 5);  // "Hello"，不新建字符串

// 高性能解析示例
// 旧：每步都分配新字符串
var parts = input.Split(',');   // 分配数组 + 多个字符串

// 新：用 Span 零拷贝解析
var reader = new SpanReader(input.AsSpan());
while (!reader.Done)
{
    var token = reader.ReadUntil(',');
    Process(token);   // token 是原始数据的切片，不分配
}

Span 限制（ref struct）：
  ✗ 不能作为类的字段
  ✗ 不能跨 await
  ✗ 不能装箱
  
  需要跨 await / 存字段 → 用 Memory<T>（堆上，可异步）

7.2 System.IO.Pipelines

专门为高性能网络 I/O 设计，Kestrel 内部就用它。解决"数据不完整、粘包"的问题。

// 安装
// dotnet add package System.IO.Pipelines

async Task ProcessPipeAsync(PipeReader reader)
{
    while (true)
    {
        ReadResult result = await reader.ReadAsync();
        ReadOnlySequence<byte> buffer = result.Buffer;

        // 尝试解析完整消息
        while (TryParseMessage(ref buffer, out var message))
        {
            ProcessMessage(message);
        }

        // 告诉 PipeReader 消费了多少、还剩多少
        reader.AdvanceTo(buffer.Start, buffer.End);

        if (result.IsCompleted) break;
    }
}

Pipelines 解决的痛点：
  ✓ 自动管理缓冲区（不用自己 new byte[]）
  ✓ 处理消息不完整（等更多数据）
  ✓ 处理消息粘包（一次读多条）
  ✓ 内存复用（零拷贝、少分配）
  ✓ 背压（消费慢时通知生产者暂停）

7.3 ArrayPool / ObjectPool

减少 GC 压力的利器——复用对象而不是反复分配。

// ArrayPool — 复用数组
byte[] buffer = ArrayPool<byte>.Shared.Rent(1024);  // 租借（可能更大）
try
{
    ProcessData(buffer);
}
finally
{
    ArrayPool<byte>.Shared.Return(buffer);  // 归还（不是 GC 回收）
}

// ObjectPool — 复用对象（Microsoft.Extensions.ObjectPool）
var pool = new DefaultObjectPool<StringBuilder>(
    new DefaultPooledObjectPolicy<StringBuilder>());

var sb = pool.Get();
try
{
    sb.Append("...");
    var result = sb.ToString();
}
finally
{
    sb.Clear();
    pool.Return(sb);
}

何时用 Pool：
  ✓ 高频分配 + 大对象（大 byte[]、StringBuilder）
  ✓ 热路径（每秒成千上万次）
  ✗ 低频场景（开销 > 收益）

  原理：对象复用，减少 GC，降低内存分配压力

八、线程池与 Kestrel

8.1 线程池机制

.NET 线程池（ThreadPool）：
  - 托管所有工作线程
  - 按需增长（IO 密集型增长快）
  - 复用线程（避免频繁创建销毁）

线程池的"饥饿"问题：
  - 所有线程都被阻塞（同步 I/O）
  - 新任务排队等待
  - 响应时间飙升

  这就是为什么强调异步：
  异步释放线程 → 线程池可用线程多 → 抗并发
  同步阻塞线程 → 线程池耗尽 → 系统卡死

// 配置线程池（.NET 中通常用环境变量或 ThreadPool.SetMinThreads）
// 设置最小线程数，避免冷启动时线程增长慢
ThreadPool.SetMinThreads(workerThreads: 100, completionPortThreads: 100);

// 推荐：在 Program.cs 早期设置
// 或用环境变量
// DOTNET_ThreadPool_MinThreads=100

8.2 Kestrel（ASP.NET Core 服务器）

Kestrel 是 ASP.NET Core 的内置 Web 服务器，性能世界级。

Kestrel 为什么快：
  ✓ 基于 libuv / IOCP（异步 I/O 完成端口）
  ✓ 完全异步架构（async/await 全链路）
  ✓ Pipelines 处理网络数据
  ✓ 内存池（ArrayPool）减少分配
  ✓ HTTP/2、HTTP/3 支持

性能参考（官方基准）：
  简单 JSON 接口：单机 10万+ RPS
  Plaintext（TechEmpower）：单机百万级 RPS
  位居 TechEmpower 前列（和 Rust/C++ 一个梯队）

// Program.cs 配置 Kestrel
var builder = WebApplication.CreateBuilder(args);

builder.WebHost.ConfigureKestrel(options =>
{
    options.Limits.MaxConcurrentConnections = 10000;       // 最大连接数
    options.Limits.MaxConcurrentUpgradedConnections = 10000; // WebSocket
    options.Limits.MaxRequestBodySize = 10 * 1024 * 1024;  // 10MB
    options.Limits.KeepAliveTimeout = TimeSpan.FromMinutes(2);
    options.Limits.RequestHeadersTimeout = TimeSpan.FromSeconds(30);
});

九、缓存

缓存是高并发的第一道防线——能用缓存的绝不打数据库。

9.1 多级缓存

浏览器缓存      — 客户端，静态资源
CDN            — 边缘节点，静态 + 动态加速
Nginx 缓存     — 反向代理层，减少打到应用的请求
内存缓存        — 进程内（IMemoryCache），最快
分布式缓存      — Redis/Memcached，跨实例共享
数据库缓存      — MySQL 查询缓存（已废弃）、缓冲池

层级越靠前，速度越快，容量越小

9.2 IMemoryCache（进程内缓存）

// 注册
builder.Services.AddMemoryCache();

// 使用
public class UserService
{
    private readonly IMemoryCache _cache;

    public UserService(IMemoryCache cache) => _cache = cache;

    public async Task<User> GetUserAsync(int id)
    {
        // 缓存键
        var key = $"user:{id}";

        // GetOrCreateAsync：不存在则加载并缓存
        return await _cache.GetOrCreateAsync(key, async entry =>
        {
            entry.AbsoluteExpirationRelativeToNow = TimeSpan.FromMinutes(30);  // 30分钟过期
            entry.SlidingExpiration = TimeSpan.FromMinutes(10);                // 10分钟无访问过期
            return await _db.Users.FindAsync(id);
        });
    }
}

9.3 IDistributedCache + Redis

// 注册 Redis
builder.Services.AddStackExchangeRedisCache(options =>
{
    options.Configuration = "localhost:6379";
    options.InstanceName = "myapp:";
});

// 使用（和 IMemoryCache 接口类似）
public class CacheService
{
    private readonly IDistributedCache _cache;

    public async Task<string> GetAsync(string key)
    {
        return await _cache.GetStringAsync(key);
    }

    public async Task SetAsync(string key, string value)
    {
        var options = new DistributedCacheEntryOptions
        {
            AbsoluteExpirationRelativeToNow = TimeSpan.FromHours(1)
        };
        await _cache.SetStringAsync(key, value, options);
    }
}

IMemoryCache vs IDistributedCache：
  IMemoryCache     — 进程内，最快，但多实例不共享，重启丢失
  IDistributedCache — Redis 等，跨实例共享，持久，但网络开销

  实战：本地缓存做一级（抗热点），Redis 做二级（一致性）

十、限流与熔断

高并发系统必须保护自己——流量超载时主动拒绝，而不是被拖垮。

10.1 限流（.NET 7+ 内置）

// .NET 7+ 内置限流中间件
builder.Services.AddRateLimiter(options =>
{
    // 全局并发限制
    options.GlobalLimiter = PartitionedRateLimiter.Create<HttpContext, string>(
        httpContext => RateLimitPartition.GetConcurrencyLimiter(
            partitionKey: "global",
            factory: _ => new ConcurrencyLimiterOptions
            {
                PermitLimit = 1000,         // 全局最多 1000 并发
                QueueLimit = 100
            }));

    // 按 IP 限流
    options.AddPolicy("per-ip", httpContext =>
        RateLimitPartition.GetTokenBucketLimiter(
            partitionKey: httpContext.Connection.RemoteIpAddress!.ToString(),
            factory: _ => new TokenBucketRateLimiterOptions
            {
                TokenLimit = 100,
                TokensPerPeriod = 100,
                ReplenishmentPeriod = TimeSpan.FromSeconds(1)
            }));

    options.OnRejected = async (context, ct) =>
    {
        context.HttpContext.Response.StatusCode = 429;
        await context.HttpContext.Response.WriteAsync("Too Many Requests", ct);
    };
});

var app = builder.Build();
app.UseRateLimiter();

限流算法：
  并发限流（ConcurrencyLimiter）  — 限制同时在处理的请求数
  令牌桶（TokenBucket）           — 允许突发，平均速率限制
  固定窗口（FixedWindow）         — 每个时间窗口固定配额
  滑动窗口（SlidingWindow）       — 更平滑的窗口算法

10.2 熔断、重试、超时（Polly）

// 安装
// dotnet add package Microsoft.Extensions.Http.Polly
// dotnet add package Polly

// HttpClient 熔断 + 重试
builder.Services.AddHttpClient("api")
    .AddTransientHttpErrorPolicy(policyBuilder =>
        policyBuilder.WaitAndRetryAsync(3, attempt =>
            TimeSpan.FromSeconds(Math.Pow(2, attempt))))        // 重试 3 次，指数退避
    .AddTransientHttpErrorPolicy(policyBuilder =>
        policyBuilder.CircuitBreakerAsync(
            handledEventsAllowedBeforeBreaking: 5,              // 连续失败 5 次
            durationOfBreak: TimeSpan.FromSeconds(30)));        // 熔断 30 秒

// 超时
    .AddPolicyHandler(Policy.TimeoutAsync<HttpResponseMessage>(TimeSpan.FromSeconds(10)));

熔断器三种状态：
  Closed（关闭）  — 正常请求
  Open（打开）    — 失败率达阈值，直接拒绝（快速失败）
  Half-Open       — 试探性放行几个请求，成功则恢复

  作用：下游服务挂了，快速失败，不把整个链路拖死

十一、数据库层面

数据库往往是高并发系统的瓶颈所在。

11.1 连接池

// ADO.NET / EF Core 默认开启连接池
// 连接字符串配置
"Server=...;Database=...;Pooling=true;Max Pool Size=100;Min Pool Size=10;"

// 注意：
// 连接用完必须 Dispose（using 或 await using）
// 否则连接泄漏，连接池耗尽
await using var conn = new SqlConnection(connStr);  // 自动归还连接池

11.2 异步 EF Core

// 全异步，不阻塞线程
var users = await _db.Users
    .Where(u => u.IsActive)
    .ToListAsync();   // 异步查询

// 注意 N+1 问题
// 错误（N+1 查询）
foreach (var user in await _db.Users.ToListAsync())
{
    var orders = await _db.Orders.Where(o => o.UserId == user.Id).ToListAsync();
    // 100 个用户 = 101 次查询
}

// 正确（Include / Join）
var users = await _db.Users
    .Include(u => u.Orders)
    .ToListAsync();   // 1 次查询

11.3 Dapper（高性能 ORM）

// Dapper 比 EF Core 快 5-10 倍（轻量，接近原生 ADO.NET）
// 适合：性能敏感的查询、复杂 SQL

using var conn = new SqlConnection(connStr);
var users = await conn.QueryAsync<User>(
    "SELECT * FROM Users WHERE IsActive = @isActive",
    new { isActive = true });

EF Core vs Dapper：
  EF Core — 开发效率高，功能全，性能中等
  Dapper  — 性能极致，SQL 自己写
  
  实战：核心 CRUD 用 EF Core，热点查询用 Dapper

11.4 数据库层面优化

✓ 索引优化（避免全表扫描）
✓ 读写分离（主写从读）
✓ 分库分表（数据量大时）
✓ 慢查询日志 + EXPLAIN
✓ 批量操作（减少往返）
✓ 连接池合理配置

十二、监控与诊断

高并发系统必须有可观测性，否则出问题两眼一抹黑。

12.1 性能计数器（dotnet-counters）

# 实时监控 .NET 应用指标
dotnet-counters monitor -p 12345 \
  System.Runtime \
  Microsoft.AspNetCore.Hosting

# 关注指标：
#   cpu-usage        CPU 使用率
#   gc-heap-size     GC 堆大小
#   gen-0/1/2-gc-count  GC 次数（频繁 GC = 分配过多）
#   time-in-gc       GC 占用时间
#   threadpool-queue-length  线程池队列（长了 = 线程不足/阻塞）
#   working-set      内存占用

12.2 火焰图（dotnet-trace）

1
2
3

# 录制性能数据
dotnet-trace collect -p 12345 --format Speedscope -d 30
# 用 https://speedscope.app 打开，看 CPU 时间花在哪

12.3 链路追踪（OpenTelemetry）

// 安装
// dotnet add package OpenTelemetry.Extensions.Hosting
// dotnet add package OpenTelemetry.Instrumentation.AspNetCore
// dotnet add package OpenTelemetry.Exporter.OpenTelemetryProtocol

builder.Services.AddOpenTelemetry()
    .WithTracing(tracing =>
    {
        tracing.AddAspNetCoreInstrumentation()    // HTTP 请求
               .AddHttpClientInstrumentation()     // 外部调用
               .AddEntityFrameworkCoreInstrumentation()  // 数据库
               .AddOtlpExporter();                // 导出到 Jaeger/Tempo
    });

可观测性三支柱：
  Metrics（指标）   — CPU、QPS、错误率（聚合数据）
  Tracing（追踪）   — 一个请求经过的所有服务（链路）
  Logging（日志）   — 具体的事件记录

  工具：OpenTelemetry（标准）+ Prometheus + Grafana + Jaeger
       或商业：Application Insights、Datadog

十三、高并发架构总结

把前面所有技术组合起来，一个典型的高并发 .NET 系统架构：

                        客户端
                          │
                    ┌─────▼─────┐
                    │   CDN     │  静态资源缓存
                    └─────┬─────┘
                          │
                    ┌─────▼─────┐
                    │  Nginx    │  负载均衡 + 缓存 + 限流 + HTTPS
                    │  集群     │
                    └─────┬─────┘
                          │
              ┌───────────┼───────────┐
              │           │           │
        ┌─────▼─────┐ ┌──▼───┐ ┌─────▼─────┐
        │ Kestrel   │ │Kestrel│ │ Kestrel   │  ASP.NET Core 集群
        │ App #1    │ │App #2 │ │ App #3    │  （全异步、Channel、Span）
        └─────┬─────┘ └───┬───┘ └─────┬─────┘
              │           │           │
              └─────┬─────┘───────────┘
                    │
        ┌───────────┼───────────┐
        │           │           │
   ┌────▼────┐ ┌────▼────┐ ┌────▼────┐
   │  Redis  │ │ 消息队列 │ │ 数据库  │
   │ 缓存    │ │(削峰)   │ │(读写分离)│
   └─────────┘ └─────────┘ └─────────┘

每一层的高并发手段：
  CDN/Nginx    — 缓存、负载均衡、限流（前文 Nginx 系列讲过）
  Kestrel      — 异步架构、Pipelines、内存池
  应用层       — async/await、Channel、并发集合、对象池
  缓存层       — IMemoryCache + Redis 多级缓存
  消息队列     — 削峰填谷，异步解耦
  数据库       — 连接池、读写分离、分库分表、索引
  全链路       — 限流、熔断、重试（Polly）+ 监控（OpenTelemetry）

核心原则

1. 异步优先
   I/O 用 async/await，绝不阻塞线程

2. 减少分配
   Span、ArrayPool、对象池，降低 GC 压力

3. 无锁优先
   Channel、并发集合、Interlocked，避免锁竞争

4. 缓存为王
   能缓存的绝不查数据库，多级缓存

5. 保护自己
   限流、熔断、降级，超载时主动拒绝

6. 水平扩展
   无状态设计，随时加机器

7. 可观测
   指标、追踪、日志，问题可定位

十四、小结

本文系统梳理了 .NET 高并发编程的全景：

基础概念：高并发的指标、挑战，并发/并行/异步的区别
异步编程：async/await 状态机、Task/ValueTask、CancellationToken、IAsyncEnumerable
同步原语：lock、SemaphoreSlim、Interlocked、ReaderWriterLockSlim
并发集合：ConcurrentDictionary、Channel（明星）、不可变集合
并行计算：TPL、Parallel、PLINQ，区分 CPU 并行和 I/O 并发
高性能内存：Span/Memory、Pipelines、ArrayPool/ObjectPool
服务器：线程池机制、Kestrel 为什么快
缓存：IMemoryCache、Redis、多级缓存
保护机制：.NET 限流、Polly 熔断重试
数据库：连接池、异步 EF Core、Dapper、读写分离
可观测性：dotnet-counters、dotnet-trace、OpenTelemetry
整体架构：各层高并发手段 + 核心原则

.NET 在高并发领域的能力是被低估的——async/await 模型、Channel、Span、Kestrel 都是顶级实现。掌握这套全景，应对绝大多数高并发场景绰绰有余。

下一篇将深入 .NET 性能优化与 profiling，讲解如何用火焰图定位性能瓶颈。

异步编程 on 纪伟的个人博客