我们有4个Azure队列，可以通过直接REST API或我们提供的WCF服务进行填充。
有人可以请一位关于如何以工人角色实现这一目标的示例或指导吗？
如果没有多线程可以实现上述目标，我不太确定，因为我很擅长多线程。
谢谢
答案 0 :(得分：2)
您可以为不同的任务启动不同的线程，但也可以考虑非线程方法（根据您对消息的处理方式，可能会表现得更好或更差）：
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
}
答案 1 :(得分：1)
以下是我们当前的实施方式，以更好的方式完成您的要求（或者我们认为）。也就是说，此代码仍然需要进行一些重清理。不过，这是0.1的功能版本。
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);
}
}
有了这个，我们有一个单独的类知道如何处理每个队列，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如何扩展。请注意，这会以对数方式进行缩放（请参阅PopulateQueueMetaData方法）。没有队列的权重小于1，即使它有0项。如果您将PopulateQueueMetaData设置为10，那么对于每次增加10级的量级，该类型的“权重”会增加1.例如，如果您的QueueA包含0项，则QueueB包含0项，QueueC有10个项目，那么你各自的权重是1,1和2.这意味着QueueC有50％的机会被处理，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，你的处理机会是20％，20％，60％。这可以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一个项目，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，那么它将不允许以比_maxDelay速率更快的速度处理它。所以这意味着如果随机数生成器拉出具有0项的队列（无论重量），它将简单地跳过尝试处理它并继续下一次迭代。 （可以在此部分中进行一些额外的优化，以获得更好的存储事务效率，但这是一个很好的补充。）
我们在这里有几个自定义类（例如AzureQueue和AzureQueueMetaData） - 一个基本上是CloudQueue的包装器，另一个存储一些信息，例如近似值队列的数量 - 没有什么有趣的（只是一种简化代码的方法）。
同样，我不称这个“漂亮”的代码，但是一些相当聪明的概念在这段代码中实现和功能。出于任何原因使用它。 ：）
最后，编写这样的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就没有跟上，我们可以轻松地将其扩展到更多的实例，并扩展到所有队列。在最小的情况下，您可以部署一个此实例来监视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），则最多将其增加到2个实例。一旦你打了15个队列，加入第三个队列。 25个队列，添加第4个实例。获得一个新客户并需要在整个系统中处理许多队列请求，这很好。将这个角色旋转到20个实体，直到它完成，然后将它们旋转回来。有一个特别讨厌的队列？注释从_queueWeights集合中排队，部署以管理其余队列，然后使用除_queueWeights集合中注释的所有其他队列再次重新部署它，然后再将其部署到不同的实例集，并在没有a）让其他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，这提供了很多灵活性和效率。
答案 2 :(得分：0)
在worker角色的while循环中，启动4个线程，就像编写多线程C＃应用程序一样。当然，您需要定义四个不同的线程函数，并且这些函数应该具有单独的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。