我们有 4 个 Azure 队列，它们通过直接 REST API 或我们提供的 WCF 服务填充。
有人可以为我提供一个示例或指导，说明如何在 Worker 角色中实现这一目标吗？
不太确定是否可以在没有多线程的情况下实现上述目标，因为我对多线程很陌生。
谢谢
【问题讨论】：
标签： c# api azure-worker-roles
您可以为不同的任务触发不同的线程，但也可以考虑非线程方法（根据您对消息的处理方式，其性能可能会更好或更差）：
while (true)
{
var msg = queue1.GetMessage();
if (msg != null)
{
didSomething = true;
// do something with it
queue1.DeleteMessage(msg);
}
msg = queue2.GetMessage();
if (msg != null)
{
didSomething = true;
// do something with it
queue2.DeleteMessage(msg);
}
// ...
if (!didSomething) Thread.Sleep(TimeSpan.FromSeconds(1)); // so I don't enter a tight loop with nothing to do
}
【讨论】：
这是我们当前的实现，可以完全按照您的要求进行，但以更好的方式（或者我们认为）。也就是说，这段代码仍然需要进行一些大量清理。不过，这是此功能的 0.1 版本。
public class WorkerRole : RoleEntryPoint
{
public override void Run()
{
var logic = new WorkerAgent();
logic.Go(false);
}
public override bool OnStart()
{
// Initialize our Cloud Storage Configuration.
AzureStorageObject.Initialize(AzureConfigurationLocation.AzureProjectConfiguration);
return base.OnStart();
}
}
public class WorkerAgent
{
private const int _resistance_to_scaling_larger_queues = 9;
private Dictionary<Type, int> _queueWeights = new Dictionary<Type, int>
{
{typeof (Queue1.Processor), 1},
{typeof (Queue2.Processor), 1},
{typeof (Queue3.Processor), 1},
{typeof (Queue4.Processor), 1},
};
private readonly TimeSpan _minDelay = TimeSpan.FromMinutes(Convert.ToDouble(RoleEnvironment.GetConfigurationSettingValue("MinDelay")));
private readonly TimeSpan _maxDelay = TimeSpan.FromMinutes(Convert.ToDouble(RoleEnvironment.GetConfigurationSettingValue("MaxDelay")));
protected TimeSpan CurrentDelay { get; set; }
public Func<string> GetSpecificQueueTypeToProcess { get; set; }
/// <summary>
/// This is a superset collection of all Queues that this WorkerAgent knows how to process, and the weight of focus it should receive.
/// </summary>
public Dictionary<Type, int> QueueWeights
{
get
{
return _queueWeights;
}
set
{
_queueWeights = value;
}
}
public static TimeSpan QueueWeightCalibrationDelay
{
get { return TimeSpan.FromMinutes(15); }
}
protected Dictionary<Type, DateTime> QueueDelays = new Dictionary<Type, DateTime>();
protected Dictionary<Type, AzureQueueMetaData> QueueMetaData { get; set; }
public WorkerAgent(Func<string> getSpecificQueueTypeToProcess = null)
{
CurrentDelay = _minDelay;
GetSpecificQueueTypeToProcess = getSpecificQueueTypeToProcess;
}
protected IProcessQueues CurrentProcessor { get; set; }
/// <summary>
/// Processes queue request(s).
/// </summary>
/// <param name="onlyProcessOnce">True to only process one time. False to process infinitely.</param>
public void Go(bool onlyProcessOnce)
{
if (onlyProcessOnce)
{
ProcessOnce(false);
}
else
{
ProcessContinuously();
}
}
public void ProcessContinuously()
{
while (true)
{
// temporary hack to get this started.
ProcessOnce(true);
}
}
/// <summary>
/// Attempts to fetch and process a single queued request.
/// </summary>
public void ProcessOnce(bool shouldDelay)
{
PopulateQueueMetaData(QueueWeightCalibrationDelay);
if (shouldDelay)
{
Thread.Sleep(CurrentDelay);
}
var typesToPickFrom = new List<Type>();
foreach(var item in QueueWeights)
{
for (var i = 0; i < item.Value; i++)
{
typesToPickFrom.Add(item.Key);
}
}
var randomIndex = (new Random()).Next()%typesToPickFrom.Count;
var typeToTryAndProcess = typesToPickFrom[randomIndex];
CurrentProcessor = ObjectFactory.GetInstance(typeToTryAndProcess) as IProcessQueues;
CleanQueueDelays();
if (CurrentProcessor != null && !QueueDelays.ContainsKey(typeToTryAndProcess))
{
var errors = CurrentProcessor.Go();
var amountToDelay = CurrentProcessor.NumberProcessed == 0 && !errors.Any()
? _maxDelay // the queue was empty
: _minDelay; // else
QueueDelays[CurrentProcessor.GetType()] = DateTime.Now + amountToDelay;
}
else
{
ProcessOnce(true);
}
}
/// <summary>
/// This method populates/refreshes the QueueMetaData collection.
/// </summary>
/// <param name="queueMetaDataCacheLimit">Specifies the length of time to cache the MetaData before refreshing it.</param>
private void PopulateQueueMetaData(TimeSpan queueMetaDataCacheLimit)
{
if (QueueMetaData == null)
{
QueueMetaData = new Dictionary<Type, AzureQueueMetaData>();
}
var queuesWithoutMetaData = QueueWeights.Keys.Except(QueueMetaData.Keys).ToList();
var expiredQueueMetaData = QueueMetaData.Where(qmd => qmd.Value.TimeMetaDataWasPopulated < (DateTime.Now - queueMetaDataCacheLimit)).Select(qmd => qmd.Key).ToList();
var validQueueData = QueueMetaData.Where(x => !expiredQueueMetaData.Contains(x.Key)).ToList();
var results = new Dictionary<Type, AzureQueueMetaData>();
foreach (var queueProcessorType in queuesWithoutMetaData)
{
if (!results.ContainsKey(queueProcessorType))
{
var queueProcessor = ObjectFactory.GetInstance(queueProcessorType) as IProcessQueues;
if (queueProcessor != null)
{
var queue = new AzureQueue(queueProcessor.PrimaryQueueName);
var metaData = queue.GetMetaData();
results.Add(queueProcessorType, metaData);
QueueWeights[queueProcessorType] = (metaData.ApproximateMessageCount) == 0
? 1
: (int)Math.Log(metaData.ApproximateMessageCount, _resistance_to_scaling_larger_queues) + 1;
}
}
}
foreach (var queueProcessorType in expiredQueueMetaData)
{
if (!results.ContainsKey(queueProcessorType))
{
var queueProcessor = ObjectFactory.GetInstance(queueProcessorType) as IProcessQueues;
if (queueProcessor != null)
{
var queue = new AzureQueue(queueProcessor.PrimaryQueueName);
var metaData = queue.GetMetaData();
results.Add(queueProcessorType, metaData);
}
}
}
QueueMetaData = results.Union(validQueueData).ToDictionary(data => data.Key, data => data.Value);
}
private void CleanQueueDelays()
{
QueueDelays = QueueDelays.Except(QueueDelays.Where(x => x.Value < DateTime.Now)).ToDictionary(x => x.Key, x => x.Value);
}
}
这样，我们就有了一个知道如何处理每个队列的单独类，它实现了 IProcessQueues。我们使用我们希望它处理的每种类型加载_queueWeights 集合。我们设置_resistance_to_scaling_larger_queues 常量来控制我们希望它如何扩展。请注意，这以对数方式缩放（请参阅PopulateQueueMetaData 方法）。没有队列的权重小于 1，即使它有 0 个项目。如果将 PopulateQueueMetaData 设置为 10，则幅度每增加 10 个数量级，该类型的“权重”就会增加 1。例如，如果 QueueA 有 0 个项目，QueueB 有 0 个项目，并且QueueC 有 10 个项目，那么您各自的权重分别为 1、1 和 2。这意味着 QueueC 有 50% 的机会接下来被处理，而 QueueA 和 QueueB 每个只有 25% 的机会被处理。如果 QueueC 有 100 个项目，那么你的权重是 1、1、3，你被处理的机会是 20%、20%、60%。这可确保您的空队列不会被遗忘。
这样做的另一件事是它有_minDelay 和_maxDelay。如果此代码认为队列中至少有 1 个项目，那么它将继续以 _minDelay 速率处理它。但是，如果它最后有 0 个项目，那么它将不允许它的处理速度快于_maxDelay 速率。因此，这意味着如果随机数生成器拉起包含 0 个项目的队列（无论权重如何），它将简单地跳过尝试处理它并继续进行下一次迭代。 （可以在这部分进行一些额外的优化以获得更好的存储事务效率，但这是一个巧妙的小补充。）
我们在这里有几个自定义类（例如 AzureQueue 和 AzureQueueMetaData） - 一个本质上是 CloudQueue 的包装器，另一个存储一些信息，例如队列的大致计数 - 没有那里很有趣（只是一种简化代码的方法）。
同样，我不称此代码为“漂亮”的代码，但在此代码中实现了一些相当聪明的概念并发挥了作用。出于任何你想要的原因使用它。 :)
最后，这样编写代码可以让我们拥有一个可以处理更多队列的项目。如果我们发现这根本跟不上，我们可以轻松地将其扩展到更大数量的实例，并针对所有队列进行扩展。在最小的场景中，您可以部署一个这样的实例来监控 3 个队列。但是，如果第 4 个队列开始影响性能（或者您需要更高的可用性），则将其增加到 2 个实例。一旦你达到 15 个队列，添加第三个。 25 个队列，添加第 4 个实例。获得一个新客户，并且需要在整个系统中处理许多队列请求，这很好。将这个角色旋转最多 20 次，直到完成，然后将它们旋转回去。有一个特别讨厌的队列？将该队列从_queueWeights 集合中注释掉，部署以管理其余队列，然后将其与除此之外的所有其他队列重新部署到_queueWeights 集合之外，然后再次将其部署到另一组实例并且在没有 a) 其他 QueueProcessors 干扰您的调试和 b) 您的调试干扰您的其他 QueueProcessors 的情况下进行调试。最终，这提供了很大的灵活性和效率。
【讨论】：
在 worker 角色的 while 循环内，启动 4 个线程，就像在编写多线程 C# 应用程序一样。当然，您需要定义四个不同的线程函数，并且这些函数应该有单独的 while 循环来轮询队列。在 worker 的 while 循环结束时，只需等待线程完成即可。
【讨论】：