随着微软对.NET Core2.2停止支持,我们也将项目从.NET Core2.2 升级到.NET Core3.1[LTS]以寻求最新的安全支持。
这其中有一些不大不小的改动，但通过文档中心的指南，我们基本完成了版本的跨越。
由于变更的积压，我们在经过简单的测试之后就将升级后的服务推送到了生产环境，不充分的测试也为后面的问题埋下了种子。
提要
我们的服务运行在阿里云提供的服务上，而不是自有服务器
我司主营业务为内部交易设备的生产制造，销售，服务支持和售后；我们的主要客户是工厂/学校/医院食堂以及美食城。
这意味这我们服务的高峰与三餐(宵夜的人其实也不少，严格的说是四餐)的时间重合，平时没有太多流量，但在就餐时间流量会激增。
我们服务于全国3000+个客户，所以我们的项目是一个有3000+租户的Saas服务，我们对客户使用编号来标识他们的身份，也通过客户的编号对客户进行数据的隔离。
过去我们采用直接分库的方式进行数据隔离，即 DB_{客户编号} 的数据库命名方式，这样是最优的隔离方式，也最有利于数据维护。
但在前年，阿里云来我司进行游说，在阐述了一些优点之后，我们放弃了自建数据库，改为采用他们的RDS for SqlServer 2008R2，由于他们的限制(2008R2 数据库必须从阿里云后台新建，且每个实例只能新建50个数据库，不知道限制有没有改)，我们不得不将隔离结构改为分表隔离，每个客户的数据表都是一样的，如果有客户需要定制功能，我们会引导他们进行数据的本地化，这使得我们的数据库结构相对稳定，我们进行分表隔离，对每个客户的每个数据表加上客户编号作为隔离标识，即采用 {客户编号}_数据表名 的命名方式，这样的方式使得数据库的可维护性变差了。
团队规模不大，后端开发只有4人；我们选择使用ORM(EntityFrameworkCore)作为数据库访问的媒介，这大大的提升了我们团队的效率，但也带来了一些问题；比如，我们需要对EntityFrameworkCore的上下文进行复用，并实现对数据的隔离。
1、我们如何应对访问的峰谷变化
对于我们这种峰谷差异明显的服务来说，很明显的，我们需要弹性来对资源进行协调，以求获得可用性和成本的最大化收益，这其实也很容易找到解决方案，比如K8S。
但这个方案并不是特别适合我们，我们现在处于一个业务迁移的时期，项目中还有很多依然运行在.NET Framework的部分，他们是和设备通信的Socket，采用Supersocket v1.6实现,他们是我们需要进行弹性的主要资源，是流量的主要入口，但它也是Windows服务，是无法一时半刻升级到.NET Core的部分。
最终我们选择使用阿里云提供的 弹性伸缩（Auto Scaling）直接对ECS实例进行弹性伸缩，这样可以让我们不加任何改动就能轻松实现弹性。
2、我们如何实现EntityFrameworkCore的上下文复用并且实现数据的隔离
由于数据库结构的特殊原因，很多客户的数据其实是在一个数据库上的，分不同的数据库编号存储，这使得我们需要对每个客户进行Mapping，而不是简单的更改链接字符串。
如下代码片段；我们全程使用FluentApi进行Mapping配置(不是必要的)，并通过ToTable在运行时映射到实际访问的客户队友的数据表。
protected override void OnModelCreating(ModelBuilder modelBuilder)
{
modelBuilder.Entity<Table_SystemConfig>(entity =>
{
//...省略部分话题无关的Mapping配置
entity.ToTable($"{CompanyCode}_T_SystemConfig");
});
}
单凭这样的改动是不行的，EntityFrameworkCore会在第一次Mapping之后对Model进行缓存，进入缓存之后，Model和Table的Mapping关系即确定并缓存，这会导致下一个其它客户的请求进来时，由于Mapping关系的缓存，将错误的访问到第一个访问系统的客户的数据。有两个方式来解决这种问题
*1、获取到Model的缓存后更改其Mapping关系，使其访问正确的数据。
*2、缓存多份Model，使得每个客户获取到的Model包含正确的Mapping关系
以上所述两种方式，暂且不谈可实现性；
两种方式
*1 将付出算力的代价。
*2 将付出存储的代价(因为Mapping基本不能被序列化，因此只能缓存在内存中)。
在CPU和内存的取舍中，最终选择舍弃内存来换取更加宝贵的算力资源，通过查询资料，我们最终找到了这样的实现方式，见以下代码片段。
public class DynamicModelCacheKeyFactory : IModelCacheKeyFactory
{
public object Create(DbContext context)
{
return $"{context.GetType()}-{(context as CompanyDbContext).CompanyCode}";
}
}
public class CompanyDbContext: DbContext
{
public string CompanyCode{ get; set; };
protected override void OnConfiguring(DbContextOptionsBuilder optionsBuilder)
{
optionsBuilder.ReplaceService<IModelCacheKeyFactory, DynamicModelCacheKeyFactory>();
}
}
如上代码片段，通过重新实现IModelCacheKeyFactory接口并替换EntityFrameworkCore的默认实现，实现了预期的功能，经过测试，实际效果和预期一致。
我们付出了内存的代价实现了功能，最终在生产环境表现为每个客户消耗了300kb的内存(每个客户大约有50个表)，这样3000+的客户，我们实际上使用了1GB+的内存，并且这些内存不会在闲时被释放。
2.2到3.1的升级EntityFrameworkCore遇到了什么问题
前面除了付出了一些内存的代价外，一切都很稳定，这时候.NET Core3.1更新了，我们权衡利弊，决定升级到3.1版本，毕竟它是LTS版本，相对应的，EntityFrameworkCore也从2.2.x的版本升级到3.1.x的版本
除了一些Api的更名，EFCore基本是没有什么使用上的改动。于是我们升级完之后就推送到了生产环境。
即使是在业务的高峰，预期的1GB+的内存并没有被消耗，这让我很奇怪，学校都不恰饭了吗？
升级后，内存的消耗维持在200MB+，太棒了！
CPU使用高了许多，有问题！但回退已经来不及了。只好多加几个实例，短时间内解决问题，后面到年关了，不能再有大的改动，因此生产环境使用了堆配置的方法暂时解决了问题。
【COVID-19来了】本计划年后就来解决的这个问题，一直被拖到了4月。
我们如何定位
重新审视这个问题，内存降低+CPU升高,难道是缓存没有命中？我首要怀疑这个原因，也整着手从这个角度去寻找，和解决问题。
EntityFrameworkCore是一个开源项目，并且我能获取到它各个版本的源码，这给我解决问题带来了极大的方便。
我比对了2.2.x版本和3.1.x版本的源码，发现了一些端倪。
如下两个片段
//EntityFrameworkCore version 2.2.8
public class ModelSource : IModelSource
{
private readonly ConcurrentDictionary<object, Lazy<IModel>> _models = new ConcurrentDictionary<object, Lazy<IModel>>();
public ModelSource([NotNull] ModelSourceDependencies dependencies)
{
Check.NotNull(dependencies, nameof(dependencies));
Dependencies = dependencies;
}
protected virtual ModelSourceDependencies Dependencies { get; }
public virtual IModel GetModel(DbContext context, IConventionSetBuilder conventionSetBuilder, IModelValidator validator)
=> _models.GetOrAdd(
Dependencies.ModelCacheKeyFactory.Create(context),
// Using a Lazy here so that OnModelCreating, etc. really only gets called once, since it may not be thread safe.
k => new Lazy<IModel>(
() => CreateModel(context, conventionSetBuilder, validator),
LazyThreadSafetyMode.ExecutionAndPublication)).Value;
//省略了一些无关的代码
}
public class ModelSource : IModelSource
{
private readonly object _syncObject = new object();
public ModelSource([NotNull] ModelSourceDependencies dependencies)
{
Check.NotNull(dependencies, nameof(dependencies));
Dependencies = dependencies;
}
protected virtual ModelSourceDependencies Dependencies { get; }
public virtual IModel GetModel(
DbContext context,
IConventionSetBuilder conventionSetBuilder)
{
var cache = Dependencies.MemoryCache;
var cacheKey = Dependencies.ModelCacheKeyFactory.Create(context);
if (!cache.TryGetValue(cacheKey, out IModel model))
{
// Make sure OnModelCreating really only gets called once, since it may not be thread safe.
lock (_syncObject)
{
if (!cache.TryGetValue(cacheKey, out model))
{
model = CreateModel(context, conventionSetBuilder);
model = cache.Set(cacheKey, model, new MemoryCacheEntryOptions { Size = 100, Priority = CacheItemPriority.High });
}
}
}
return model;
}
//省略了一些无关的代码
}
public sealed class ModelSourceDependencies
{
[EntityFrameworkInternal]
public ModelSourceDependencies(
[NotNull] IModelCustomizer modelCustomizer,
[NotNull] IModelCacheKeyFactory modelCacheKeyFactory,
[NotNull] IMemoryCache memoryCache)
{
Check.NotNull(modelCustomizer, nameof(modelCustomizer));
Check.NotNull(modelCacheKeyFactory, nameof(modelCacheKeyFactory));
Check.NotNull(memoryCache, nameof(memoryCache));
ModelCustomizer = modelCustomizer;
ModelCacheKeyFactory = modelCacheKeyFactory;
MemoryCache = memoryCache;
}
}
可以看到，在缓存Model的时候，实际上是发生了一些变化的，缓存从ConcurrentDictionary 变成了IMemoryCache,查找EFCore内部注入的IMemoryCache 的来源发现，它来自于
//其它代码太多就不贴了 源码相关文件 srcEFCoreInfrastructureEntityFrameworkServicesBuilder.cs
TryAdd<IMemoryCache>(p => new MemoryCache(new MemoryCacheOptions { SizeLimit = 10240 }));
看到这里就知道问题所在了；2.2.x缓存Model单纯的使用ConcurrentDictionary ,变成了使用MemoryCache，由Microsoft.Extensions.Caching.Memory包提供实现。
在Model被创建后放入MemoryCache时，给Model设置的占有空间为100，而MemoryCache被初始化为空间大小10240，简单即可得知，当缓存最多102份(其它地方也使用了这个MemoryCache缓存数据)时，缓存空间即满；
后续会移除之前的缓存以腾出空间给新的缓存；要缓存3000+份的Model，是远远不够的，这就造成了高峰时MemoryCache不断的写入新项，移除旧项，GetModel的过程(即为FluentApi构建Mapping关系的过程)一直在进行，真正命中缓存的很少；导致算力消耗增多，内存反而下降。
我们如何解决
找到问题之后，从缓存入手，就很好解决问题了，几个角度
*1 增大MemoryCache实例的[空间？]最大值(使用新的MemoryCache实例替换掉原本的实现)
*2 减小每个Model在MemoryCache中的[空间？]占用
当然 设置缓存存活时间，配置缓存刷新时间，减少访问频率低的缓存留存，这样能减少不必要的内存消耗，并且算力的负担也不会增加太多，我认为这样更好。
注: 这个空间是指定尺寸，并不是真实的占用内存大小，它的作用是控制缓存的上限
记录此次的解决问题的过程，希望对你有所帮助，撰写仓促，如有错误，请指出，我将及时更正。