平时做技术实践时，很多问题不是概念不会，而是细节没串起来。拿“C#采用SemaphoreSlim进行并发控制的最佳实践”来说，它看着像小点，放到项目里常会牵出环境、配置、兼容性和维护成本。下面按实际采用顺序，把思路、关键写法和容易踩坑的地方讲清楚，便于大家直接对照操作。

目录

• 一、为什么需控制异步并发？
• 二、错误解决方案辨析
• 1. 误用Parallel.ForEach
• 2. 分批处理的问题
• 三、SemaphoreSlim：异步并发的标准解决方案
• 核心工作机制
• 四、生产环境最佳实践
• 1. 基础封装模式
• 2. 带超时控制的增强版本
• 3. 批量处理与进度报告
• 五、高级应用场景
• 1. 分层并发控制
• 2. 与Polly结合实现弹性并发
• 六、性能调优与监控
• 1. 动态调整并发数
• 2. 监控信号量状态
• 七、注意事项与常用陷阱
• 八、总结

落到代码里，在现代异步编程里，高效处理I/O密集型操作是提升应用性能的关键。然而，不加控制的同时发往往会导致灾难性后果——下游服务过载、数据库连接池耗尽、内存暴涨。本文将深入探讨C#中控制异步并发的标准解决方案：SemaphoreSlim，并提供生产级别的采用模式。

一、为什么需控制异步并发？

假设我们需处理1000个订单，每个订单需调用一个外部支付接口：

// 危险的反模式：瞬间发起1000个HTTP请求
public async Task ProcessOrdersDangerously(List<Order> orders)
{
    var tasks = orders.Select(order => CallPaymentApiAsync(order));
    await Task.WhenAll(tasks); // 瞬间并发过高！
}

这种方式会同时发起1000个HTTP请求，可能导致：

• 目标API服务器拒绝服务
• 本地网络连接池耗尽
• 内存采用量激增
• 整体性能反而下降

二、错误解决方案辨析

在探索解决方案时，开发者常走入以下误区：

1. 误用Parallel.ForEach

// 错误：Parallel.ForEach用于CPU密集型同步操作
Parallel.ForEach(orders, async order => 
{
    await CallPaymentApiAsync(order); // 实际上同步执行
});

Parallel.ForEach 设计用来同步CPU密集型实际处理时，操作，将其用来异步I/O操作不仅无法有效控制同时发，还会造成线程池的浪费。

2. 分批处理的问题

// 次优方案：虽能限制并发，但效率低下
for (int i = 0; i < orders.Count; i += 10)
{
    var batch = orders.Skip(i).Take(10);
    await Task.WhenAll(batch.Select(CallPaymentApiAsync));
    await Task.Delay(100); // 人工延迟降低效率
}

在这个场景下，这种方法虽然限制了同时发数，但批次间的等待会导致总体处理时间延长，无法充分借助资源。

三、SemaphoreSlim：异步并发的标准解决方案

SemaphoreSlim 是.NET Framework 4.5引入的轻量级信号量，专为async/await设计，是控制异步同时发的事实标准。

核心工作机制

public class AsyncConcurrencyController
{
    // 初始化信号量，设置最大并发数为5
    private static readonly SemaphoreSlim _semaphore = new SemaphoreSlim(5, 5);
    
    public async Task ProcessWithConcurrencyControl(List<Item> items)
    {
        var tasks = items.Select(async item =>
        {
            // 关键：异步等待信号量，不阻塞线程
            await _semaphore.WaitAsync();
            try
            {
                // 执行受保护的异步操作
                await ProcessItemAsync(item);
            }
            finally
            {
                // 关键：必须释放信号量
                _semaphore.Release();
            }
        });
        
        await Task.WhenAll(tasks);
    }
}

工作原理可视化：

初始状态: [√][√][√][√][√] [ ][ ][ ][ ][ ] ... (20个任务)
          ↑ 5个并发槽可用

执行过程:
1. 任务1-5立即获取信号量并执行
2. 任务6-20在WaitAsync()处等待
3. 任务1完成后释放信号量
4. 任务6立即获取释放的信号量并开始执行
5. 如此循环，始终保持最多5个并发

四、生产环境最佳实践

1. 基础封装模式

public class ConcurrentExecutor
{
    private readonly SemaphoreSlim _semaphore;
    
    public ConcurrentExecutor(int maxConcurrency)
    {
        _semaphore = new SemaphoreSlim(maxConcurrency, maxConcurrency);
    }
    
    public async Task<TResult> ExecuteAsync<TResult>(
        Func<Task<TResult>> operation, 
        CancellationToken cancellationToken = default)
    {
        await _semaphore.WaitAsync(cancellationToken);
        try
        {
            return await operation();
        }
        finally
        {
            _semaphore.Release();
        }
    }
}

2. 带超时控制的增强版本

public async Task<T> ExecuteWithTimeoutAsync<T>(
    Func<Task<T>> operation,
    TimeSpan timeout,
    CancellationToken cancellationToken = default)
{
    // 尝试在指定时间内获取信号量
    bool acquired = await _semaphore.WaitAsync(timeout, cancellationToken);
    
    if (!acquired)
        throw new TimeoutException($"无法在{timeout.TotalSeconds}秒内获取执行许可");
    
    try
    {
        return await operation();
    }
    finally
    {
        _semaphore.Release();
    }
}

3. 批量处理与进度报告

public async Task ProcessBatchWithProgressAsync<T>(
    IEnumerable<T> items,
    Func<T, Task> processor,
    int maxConcurrency,
    IProgress<int> progress = null,
    CancellationToken cancellationToken = default)
{
    var semaphore = new SemaphoreSlim(maxConcurrency, maxConcurrency);
    int total = items.Count();
    int completed = 0;
    
    var tasks = items.Select(async item =>
    {
        await semaphore.WaitAsync(cancellationToken);
        try
        {
            await processor(item);
        }
        finally
        {
            semaphore.Release();
            Interlocked.Increment(ref completed);
            progress?.Report((completed * 100) / total);
        }
    });
    
    await Task.WhenAll(tasks);
}

五、高级应用场景

1. 分层并发控制

// 场景：每个用户最多5个并发，全局最多50个并发
public class TieredConcurrencyController
{
    private readonly SemaphoreSlim _globalSemaphore = new(50, 50);
    private readonly ConcurrentDictionary<string, SemaphoreSlim> _userSemaphores = new();
    
    public async Task ExecuteForUserAsync(string userId, Func<Task> operation)
    {
        // 获取用户级信号量（每个用户独立）
        var userSemaphore = _userSemaphores.GetOrAdd(userId, _ => new SemaphoreSlim(5, 5));
        
        // 先获取全局许可
        await _globalSemaphore.WaitAsync();
        await userSemaphore.WaitAsync();
        
        try
        {
            await operation();
        }
        finally
        {
            userSemaphore.Release();
            _globalSemaphore.Release();
        }
    }
}

2. 与Polly结合实现弹性并发

public class ResilientConcurrentExecutor
{
    private readonly SemaphoreSlim _semaphore;
    private readonly AsyncPolicy _retryPolicy;
    
    public async Task<T> ExecuteWithRetryAsync<T>(
        Func<Task<T>> operation, 
        int maxConcurrency)
    {
        _semaphore = new SemaphoreSlim(maxConcurrency, maxConcurrency);
        _retryPolicy = Policy
            .Handle<HttpRequestException>()
            .WaitAndRetryAsync(3, retryAttempt => 
                TimeSpan.FromSeconds(Math.Pow(2, retryAttempt)));
        
        await _semaphore.WaitAsync();
        try
        {
            return await _retryPolicy.ExecuteAsync(operation);
        }
        finally
        {
            _semaphore.Release();
        }
    }
}

六、性能调优与监控

1. 动态调整并发数

public class AdaptiveConcurrencyController
{
    private SemaphoreSlim _semaphore;
    private readonly int _initialConcurrency;
    private readonly object _lock = new object();
    
    public void AdjustConcurrencyBasedOnMetrics(
        double successRate, 
        double avgLatency, 
        int errorCount)
    {
        lock (_lock)
        {
            int newLimit = CalculateOptimalConcurrency(
                successRate, avgLatency, errorCount);
            
            if (newLimit != _semaphore.CurrentCount)
            {
                var oldSemaphore = _semaphore;
                _semaphore = new SemaphoreSlim(newLimit, newLimit);
                
                // 迁移正在等待的任务到新信号量
                MigrateWaiters(oldSemaphore, _semaphore);
            }
        }
    }
}

2. 监控信号量状态

public class MonitoredSemaphoreSlim : SemaphoreSlim
{
    public int CurrentWaitCount { get; private set; }
    public TimeSpan AverageWaitTime { get; private set; }
    
    public new async Task WaitAsync(CancellationToken cancellationToken)
    {
        var stopwatch = Stopwatch.StartNew();
        CurrentWaitCount++;
        
        try
        {
            await base.WaitAsync(cancellationToken);
        }
        finally
        {
            stopwatch.Stop();
            CurrentWaitCount--;
            UpdateAverageWaitTime(stopwatch.Elapsed);
        }
    }
}

七、注意事项与常用陷阱

1. 避免信号量泄漏：务必在finally块中调用Release()，确保异常情况下也能释放
2. 不要过度限制：根据目标服务的实际能力设置合理的并发数
3. 区分资源类型：
   • CPU密集型：采用Parallel.ForEach或TPL Dataflow
   • I/O密集型：采用SemaphoreSlim + async/await
4. 考虑取消兼容：始终传递CancellationToken到WaitAsync()

八、总结

SemaphoreSlim 是C#异步编程中控制同时发度的标准工具，它提供了轻量级、非阻塞的并发控制机制。借助正确采用WaitAsync()和Release()方法，配合try...finally确保资源释放，能够构建出高效、稳定的异步处理系统。

核心建议：

• 理解这一步时，对于HTTP API调用、数据库访问等I/O操作，优先采用SemaphoreSlim
• 设置并发数时，考虑目标服务的承受能力和网络状况
• 配合CancellationToken实现优雅的取消操作
• 在生产环境中添加适当的监控和日志记录

在这个场景下，正确控制异步同时发不仅能提升应用性能，更是构建稳定、可扩展分布式系统的基石。SemaphoreSlim以其简洁的API和可靠的行为，成为每个.NET开发者工具箱中不可或缺的工具。

理解这一步时，以上就是C#采用SemaphoreSlim进行同时发控制的最佳实践的详细内容，更多关于C# SemaphoreSlim并发控制的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

• C# Semaphore与SemaphoreSlim区别小结
• C#采用SemaphoreSlim实现同时发控制与限流策略的实战指南
• C# 并发控制框架之单线程环境下实现每秒百万级调度