使用诊断工具观察 Microsoft.Extensions.DependencyInjection 2.x 版本的内存占用
source link: https://www.tuicool.com/articles/my6NZvY
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
准备工作
Visual Studio 从2015 版本起携带了诊断工具,可以很方便地进行实时的内存与 CPU 分析,将大家从内存 dump 和 windbg 中解放出来。本文使用大量接口进行注入与实例化测试以观察内存占用,除 Visual Studio 外还需要以下准备工作。
- 大量接口与实现类的生成(可选),见下方
- elasticsearch+kibana+apm,见下方
- asp.net core 应用,见下方
大量接口与实现类的生成
使用 TypeScript 循环生成了1万个接口,写入项目的 Foo.cs 文件
import * as commander from 'commander'; import * as format from 'string-template'; let prefix = `using Microsoft.Extensions.DependencyInjection; using System; using System.Collections.Generic; using System.Text; namespace WebApplication1 {`; let fooTemplate =` interface IFoo\_{n} { void Hello(); } class Foo_{n} : IFoo\_{n} { public void Hello() { } } `; (async function () { let args = commander .version('0.0.1') .option('-n, --count [value]') .parse(process.argv); let count = parseInt(args.count, 10); console.log(prefix); for (let i = 0; i < count; i++) { let src = format(fooTemplate, {n: i}); console.log(src); } console.log('}'); })();
通过参数 count
控制生成的接口与实现类的数量,再使用 Shell 将打印内容写入 CSharpe 文件中。
T480@PC-XXXXXXXXX ~/source/repos/gvp-integration-test $ ts-node test -n 10000 > ~/source/repos/WebApplication1/WebApplication1/Foo.cs
于是我们拥有了 IFoo_0 到 IFoo_9999 这1万个接口与对应的实现。
该方式是可选的,相当多的工具或者手写代码均可达到目的。
然后在程序启动时使用反射注入以 IFoo_ 相关的接口与其实现。
var types = Assembly.GetExecutingAssembly().GetTypes(); var fooInterfaces = types.Where(x => x.IsInterface && x.Name.StartsWith("IFoo_")); foreach (var item in fooInterfaces) { var impl = types.Single(x => x.IsClass && item.IsAssignableFrom(x)); services.AddTransient(item, impl); }
elasticsearch+kibana+apm
使用 docker-compose 完成部署,相关文档很多,不是本文的关注点,略。
asp.net core 应用
添加了以下依赖,使用上述生成的1万个接口进行测试。
- Microsoft.Extensions.DependencyInjection,版本 2.11
- Elastic.Apm.NetCoreAll,版本 1.1.2
路由 /api/realized/get-many
的逻辑是获取大量以 IFoo_ 作为前缀命名的接口的实例,通过 queryString 中的 count 控制获取的数量,实现如下:
[HttpGet("get-many")] public void GetManyService(Int32 count = -1) { _logger.LogInformation("[GetManyService] start"); var fooInterfaces = Assembly.GetExecutingAssembly().GetTypes() .Where(x => x.IsInterface && x.Name.StartsWith("IFoo")); if (count > -1) { fooInterfaces = fooInterfaces.Where(x => Int32.Parse(x.Name.Split('_')[1]) < count); } using (CurrentTransaction.Start(nameof(GetManyService), "GetRequiredService")) { foreach (var item in fooInterfaces) { _services.GetRequiredService(item); } }; _logger.LogDebug("[GetManyService] finish"); }
请求与快照
程序启动和运行期间获取了5份快照,分别在以下时机:
- 第1次快照:应用程序启动后,进程内存约76.4MB;
- 第2次快照:依赖注入加载完成,进程内存约248.9MB;
- 第3次快照:第1次请求
/api/realized/get-many?count=10000
,循环获取前述1万个IFoo\_N
接口后,进程内存约 271.8MB; - 第4次快照:第2次请求
/api/realized/get-many?count=10000
,进程内存约 308.2MB; - 第5次快照:连续地请求
/api/realized/get-many?count=10000
若干次后调用一次 GC,进程内存约 305.2MB;
Kibana 上的请求记录
下图显示了 Kibana 记录的所有的请求,下图中 transaction.type=request 的是 HTTP 请求,url.path 是请求地址,记录以时间倒序。其他记录是由 elastic/apm 生成的。
- transaction.duration.us:单次请求的耗时,微秒单位;
- span.duration.us:发生在请求 /api/realized/get-many 的内部,获取大量以 IFoo_ 命名接口实例的耗时,微秒单位;
请求耗时的分析
请求的主体逻辑是获取大量以 IFoo_ 命名接口实例,仅观察请求级别的耗时变化,就能够反映获取大量以 IFoo_ 命名接口实例的效率变化:
- 第1次完成 /api/realized/get-many 耗时 931ms;
- 第2次完成 /api/realized/get-many 耗时 301ms;
- 第3次及后续完成 /api/realized/get-many 耗时在 16ms-32ms 之前;
请求内存的分析
5 次快照的简要数据如下
ID Time Live Objects Managed Heap 进程内存 1 4.29s 25455 2123.18KB 76.4MB 2 31.29s 73429(+47974) 6525.04KB(+4401.86KB) 248.9MB 3 39.69s 124907(+51478) 9605.48KB(+3080.45KB) 271.8MB 4 48.09s 377403(+252496) 25139.20KB(+15533.72KB) 308.2MB 5 62.64s 378407(+1004) 25224.86KB(+85.66KB) 305.2MB第2次快照与第1次快照的对比:依赖注入加载完成
获取第1次快照时应用程序处于启动中,观察内存平稳后获取第2次快照,故两次快照的差异是由注册依赖注入方式产生的。由上一篇文章关于 CallSiteFactory
的内容已知,注册依赖注入方式的过程是,是 ServiceDescriptor
的创建过程。
在此过程中进程内存增长了248.9MB-76.4MB=172.5MB,但值得一说的是即便零自定义注入,asp.net core 应用完成启动后也会有相当幅度的内存增长,需要横向对比。
我们注入了1万个以 IFoo_ 作为命名前缀的接口与其实现,它们被添加到注入方式集合即 ServiceDescriptor
数量,同时 asp.net core 自身的基础设置同样以此方式加载,故最终多于 1万条记录。
Microsoft.Extensions.DependencyInjection.ServiceDescriptor +10,192 +570,752 +575,168 10,238 573,328 583,472
由于 CallSiteFactory
使用内部成员 List<ServiceDescriptor> _descriptors
持有了所有注入方式的列表,故其引用数量增加。
List<Microsoft.Extensions.DependencyInjection.ServiceDescriptor> +20,498 20,549
虽然注入方式列表有1万多条,但它们会被第一时间分组,导致引用数量翻倍成2万多条,见下方描述。
Dictionary<Type, Microsoft.Extensions.DependencyInjection.ServiceLookup.CallSiteFactory+ServiceDescriptorCacheItem> +10,210 10,251
CallSiteFactory
使用 List<ServiceDescriptor>
作为构造函数参数,在实例化的同时对注入方式进行了分组,分组结果存储在内部成员 Dictionary<Type, ServiceDescriptorCacheItem> _descriptorLookup
中。
第3次与第2次快照的对比:接口被实例化,委托被缓存
发起第1次请求 /api/realized/get-many?count=10000
后获取了第3次快照,快照的差异由大量以 IFoo_ 作为前缀的接口被实例化的过程中产生的。
在此过程中进程内存增长了271.8MB-248.9MB=22.9MB。
根据前文描述,我们知道了 CallSiteFactory
完成了目标实例上下文 即 IServiceCallSite
的创建,并以内部字典 Dictionary<Type, IServiceCallSite> _callSiteCache
进行了缓存。
Microsoft.Extensions.DependencyInjection.ServiceLookup.TransientCallSite +10,000 +320,000 +720,000 10,064 322,048 765,848
本实践中使用的以 Foo_ 作为命名前缀的实现均为无参构造函数,故生成1万个 CreateInstanceCallSite
实例,且独占内存与非独占内存以相同幅度增长。
回顾 CallSiteFactory
创建目标服务实例化的上下文 IServiceCallSite
过程:
CallSiteFactory
对不同注入方式有选取优先级,优先选取实例注入方式,其次选取委托注入方式,最后选取类型注入方式,以 TryCreateExact()
为例简单说明:
- 对于使用单例和常量的注入方式,返回
ConstantCallSite
实例; - 对于使用委托的注入方式,返回
FactoryCallSite
实例; - 对于使用类型注入的,
CallSiteFactory
调用方法CreateConstructorCallSite()
;- 如果只有1个构造函数
- 无参构造函数,使用
CreateInstanceCallSite
作为实例化上下文; - 有参构造函数存,首先使用方法
CreateArgumentCallSites()
遍历所有参数,递归创建各个参数的IServiceCallSite
实例,得到数组。接着使用前一步得到的数组作为参数, 创建出 >ConstructorCallSite
实例。
- 无参构造函数,使用
- 如果多于1个构造函数,检查和选取最佳构造函数再使用前一步逻辑处理;
- 如果只有1个构造函数
- 最后添加生命周期标识
Microsoft.Extensions.DependencyInjection.ServiceLookup.CreateInstanceCallSite +10,000 +400,000 +400,000 10,027 401,080 401,080
目标服务实例化的上下文 IServiceCallSite
被创建完成后,将添加生命周期标识(见截图的 ApplyLifetime()
方法。
本实践中全部使用了 Transient
生命周期标识,故生成1万个 TransientCallSite
实例,并引用 CreateInstanceCallSite
实例,使独占内存与非独占内存以不同幅度增长。
计算独占内存增长与非独占内存增长,320,000+400,000=720,000 可以印证。
Object Type Size.(Bytes) Inclusive Size Diff.(Bytes) Microsoft.Extensions.DependencyInjection.ServiceLookup.TransientCallSite 320,000 720,000 Microsoft.Extensions.DependencyInjection.ServiceLookup.CreateInstanceCallSite 400,000 400,000Func<Microsoft.Extensions.DependencyInjection.ServiceLookup.ServiceProviderEngineScope, Object> +10,000 +640,768 +1,120,936 10,060 648,536 1,133,768
第1次请求完成后, ServiceProviderEngine.CreateServiceAccessor()
调用子类的 DynamicServiceProviderEngine.RealizeService()
方法返回1万个委托。
ConcurrentDictionary+Node<Type, Func<Microsoft.Extensions.DependencyInjection.ServiceLookup.ServiceProviderEngineScope, Object>> +10,000 +480,000 +1,600,936 10,060 482,880 1,616,584
这1万个委托被 ServiceProviderEngine
缓存在成员 ConcurrentDictionary<Type, Func<ServiceProviderEngineScope, object>> RealizedServices
中。
Microsoft.Extensions.DependencyInjection.ServiceLookup.DynamicServiceProviderEngine+<>c__DisplayClass1_0 +9,997 +479,856 +479,856 10,045 482,160 482,704
DynamicServiceProviderEngine.RealizeService()
返回的是匿名委托,经常使用反编译工具的同学知道这是编译器行为以进行变量捕获。为什么是 9997 而不是1万,推测是匿名委托被编译的过程还没有完成,可以从下文引用数的减少看到。由于数字不再精确,只简单列举引用内存占用不再计算。
第4次与第3次快照的对比:使用表达式树生成委托更新原有委托
第2次请求 /api/realized/get-many
时,异步线程启动, ExpressionsServiceProviderEngine
依赖的 ExpressionResolverBuilder
使用表达式树重新生成委托,并覆盖到原有缓存中。由于在请求完成且内存占用平稳后获取快照,可以认为表达式树解析已经完成,委托已经被全部替换,故对比快照反应了两种委托的开销差异。
在此过程中进程内存增长了308.2MB-271.8MB=36.4MB,对比第2次快照为308.2MB-248.9MB=59.3MB,可见表达式树对内存来说非常不经济。
反序排列引用数量,可以观察到前一步生成的1万个 Microsoft.Extensions.DependencyInjection.ServiceLookup.DynamicServiceProviderEngine+<>c__DisplayClass1_0 已经被释放。
正序排列引用数量。RuntimeMethodHandle 为表达式树生成的相关方法,由于相关知识储备不到位,不再展开。
第5次的快照与第4次快照相对,内存变化幅度不大,略过。
Summary
在 Kibana 上作表与制图如下
前文结论见,得到了印证:
为了在性能与开销中获取平衡, Microsoft.Extensions.DependencyInjection
在初次请求时使用反射实例化目标服务并缓存委托,再次请求时异步使用表达式树生成委托并更新缓存,使得后续请求性能得到了提升。
- 第1次请求使用反射完成目标服务的实例化,并将实例化的委托缓存,这是第2次请求比第1次的高效原因;
- 第2次请求的后台任务使用表达式树重新生成委托,使得第3次请求比第2次请求效率提升了一个数量级;
- 后续请求和第3次请求差别不大;
Microsoft.Extensions.DependencyInjection 并非是银弹,它的便利性是一种空间换时间的典型,我们需要对以下情况有所了解:
- 重度使用依赖注入的大型项目启动过程相当之慢;
- 如果单次请求需要实例化的目标服务过多,前期请求的内存开销不可轻视;
- 由于实例化伴随着递归调用,过深的依赖将不可避免地导致堆栈溢出;
leoninew 原创,转载请保留出处 www.cnblogs.com/leoninew
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK