| 学习路线指引（点击解锁） | 知识定位 | 人群定位 |
|---|---|---|
| 李 Python实战微信订餐小程序 李 | 进阶级 | 本课程是python flask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。 |
| Python量化交易实战 | 入门级 | 手把手带你打造一个易扩展、更安全、效率更高的量化交易系统 |
在.net 社区中曾经听到过很多关于大量抛异常会影响性能这样的结论，心中一直就存在各种疑问。项目中使用自定义异常来处理业务很爽，但是又担心大量抛业务异常存在性能问题。
查阅了各种文档，微软官方对性能优化这一块也不建议使用过多的异常，故我心中冒出疑问。
- 疑问一：项目中大量抛出业务异常对性能是否会受到影响？
- api接口代码如下
///
/// 正常返回数据接口1
///
/// Test()
{
return Content("1");
}
///
/// 抛异常返回接口2 ，同时存在全局过滤器
///
/// Test2(string open)
{
throw new BusinessException(Model.EnumApiCode.SignWrong);
}
- 全局过滤器代码如下
///
/// 全局异常日志
///
public class ExceptionFilter : IExceptionFilter
{
///
///
///
///
public void OnException(ExceptionContext context)
{
//不做任何处理，直接返回1
context.Result = new JsonResult("1");
}
}
//全局过滤器注入
services.AddControllers()
.AddMvcOptions(option =>
{
option.Filters.Add();
});
- 现在对test1 接口并发200的情况下进行压测，持续15分钟的压测结果如下：
- 对通过全局过滤器捕获异常并大量抛出异常 在相同压测条件情况下的压测结果如下：
- 对test1 和test2 同等条件下压测结果对比
| 接口 | tps | cpu | 压测条件 |
|---|---|---|---|
| test1 | 10300左右 | cpu消耗90%左右 | 并发200，持续压测 |
| test1 | 4300左右 | cpu消耗100%左右 | 并发200，持续压测 |
目前得到的结论是抛异常确实影响性能，并且对性能下降了60% 左右,上面主要是异常流程走了全局过滤器方式，故参考意义不大，下面再进一步修改代码进行压测
- 对test2 代码进行修改如下
///
/// 抛异常返回接口2 ，直接try catch 不走全局过滤器
///
/// Test2()
{
try
{
throw new BusinessException(Model.EnumApiCode.SignWrong);
}
catch (Exception ex)
{
return Content("1");
}
}
- 再对修改后的test2 接口进行压测，压测结果如下：
| 接口 | tps | cpu占用 | 压测条件 |
|---|---|---|---|
| test1 | 10300左右 | 90% 左右 | 并发200，持续压测 |
| test1 | 9200左右 | 91% 左右 | 并发200，持续压测 |
进一步得到的结论是try catch 后性能有所提高，跟正常相比还有点点差距，全局过滤器对性能影响比较大，相当于走了管道，但是观察代码test1 和test2代码还存在差距，怀疑test2 代码中new 了新异常导致性能差异，故再进一步进行代码修改求证
- 对test1 代码进行修改，修改后的代码如下：
///
/// 正常返回数据接口1，但是先new 异常出来，保持跟上面test2 代码一致
///
/// Test2(string open)
{
var ex= new BusinessException(Model.EnumApiCode.SignWrong);
return Content("1");
}
- 对修改后的test1 代码进行压测结果如下：
忘记截图，大概和修改后的test2 代码压测结果相差不大，大概tps 9300左右，故还是拿的上一个图贴出来，谅解
| 接口 | tps | cpu占用 | 压测条件 |
|---|---|---|---|
| test1 | 9300左右 | 90%左右 | 并发200，持续压测 |
| test2 | 9200左右 | 90%左右 | 并发200，持续压测 |
2.2 最终结论进一步得到的结论是try catch 后性能和正常返回代码性能相当，相差无几，可以忽略不计
- 异常和正常代码性能旗鼓相当，但是全局过滤器对性能影响比较大，大概降低了60%左右，全局过滤器走了管道，但是这跟微软官方的性能优化又有冲突，想必微软官方也是出于对全局过滤器异常处理的考虑吧。
- 不使用全局过滤器进行业务自定义异常捕获，最外层try catch 掉
- 对于非自定义异常，尽量按照微软官方建议
- 使用 “测试者-执行者”模式
- “尝试-分析”模式
最后抛出一个待求证的问题
- 疑问一：大量抛出非自定义异常，性能和正常返回性能对比会如何？比如字符串转换int 不使用TryParse 去转换
以上结论个人压测结果，如有不对，欢迎交流纠正
- 参考文献
- https://docs.microsoft.com/zh-cn/dotnet/standard/design-guidelines/exceptions-and-performance
- https://docs.microsoft.com/zh-cn/aspnet/core/performance/performance-best-practices?view=aspnetcore-6.0#understand-hot-code-paths
