C#大型电商项目优化（二）——嫌弃EF与抛弃EF

上一篇博文中讲述了使用EF开发电商项目的代码基础篇，提到EF后，一语激起千层浪。不少园友纷纷表示：EF不适合增长速度飞快的互联网项目，EF只适合企业级应用等等。

也有部分高手提到了分布式，确实，性能优化从数据库出发，初期就加索引，然后垂直拆分，水平拆分，读写分离，甚至是分布式事务，阳春白雪，格局很高。然而笔者希望通过渐进的过程来优化这个项目，我们缩小格局，从细节查看不同方案的优劣。

之前提过，使用EF最主要的原因是项目时间紧迫，EF搭建速度快，熟悉的同事也多，使用方便。这个决策确实帮助我们挺过了初期的难关。在业务量增长的过程中，一些问题也逐渐暴露出来，我们开始针对问题做优化。

问题1:部分请求响应缓慢，影响用户体验。

使用EF做数据的增删改查，一些不规范代码也会拖慢程序效率，笔者在上一篇中已经提过。某些请求中可能包含多次数据查询与更新，如果这些细小的问题都以低效运行，那这个请求确实会很慢。然而在EF的框架下优化它，也未必能收到明显成效。以更新商品销量为例，我们上方案与代码：

方案1

先查出某一条数据，然后填入新算出的销量，再更新数据库，代码如下：

  //先查出数据，再更新
            var productSKU = unitOfWork.ProductSku.GetByID(dtos[].Items[].SKUId);
            productSKU.SalesCount = productSKU.SalesCount + dtos[].Items[].Quantity;
            unitOfWork.ProductSku.Update(productSKU);
            unitOfWork.Submit();

其响应时间如图：

方案2

采用IQuryable,之前提到过，这种查询方式不会真的将全部数据加载到内存，代码如下：

//2采用IQueryable查询更新
            var productSKU1 = unitOfWork.ProductSku.Get(p => p.Id == dtos[].Items[].SKUId);
            foreach (var item in productSKU1)
            {
                item.SalesCount = item.SalesCount + dtos[].Items[].Quantity;
                unitOfWork.ProductSku.Update(item);
            }
            unitOfWork.Submit();

其响应时间如图：

方案3

直接使用SQL，简单粗暴，代码如下：

//3直接使用sql更新
            string updateSql = @"update ProductSKU set SalesCount=SalesCount+" + dtos[].Items[].Quantity + " where Id='" + dtos[].Items[].SKUId.ToString() + "'";
            unitOfWork.ProductSku.ExecuteSqlCommand(updateSql);
            unitOfWork.Submit();

其响应时间如图：

我们来分析下这三种方案：

方案1简单易懂，将数据查出来，更新后再塞回数据库，逻辑清晰，代码更清晰。可是将数据取出来，加载到内存，再对内存里的数据进行修改，最后生成SQL送回数据库执行，这套走下来，好像兜了一大圈，其实我们只想更新个销量。

方案2显得好了些，使用了我们在前一篇中讲到的理念，不将数据整个加载到内存，只到用时才加载，通过这种方式更新，其实生成的SQL和直接执行SQL差不太多了，但是我们可以发现：方案2和方案1时间差不多。在笔者预期中，方案2应该是比方案1好的，至于时间差不多的原因，应该是方案2用了一次循环，第二次循环时不符合条件，然后跳出循环，造成了些许时间浪费。如果是批量更新销量，方案2必然比方案1优秀很多。

方案3自然是简单粗暴，一条SQL搞定，毫不拖泥带水，其效果也是喜人的，几乎比方案1快1倍！

之前有园友提到索引的问题，其实我厂有专职DBA，不仅为数据量较大的表添加了聚集索引和非聚集索引，还写了定时任务去更新索引。所以索引这块我们不深究。

早起追逐开发效率阶段，我们可能将方案1优化为方案2，然后继续做新功能开发。但是现在我们有更多的选择，我们也有更多的时间去深究用户体验与系统效率了，那么自然的，我们开始嫌弃EF了。但是开发到这个程度，再去更换框架似乎不合适。而且大道至简，如果能用SQL搞定，那必是极好的。于是乎，我们开始对关键部分业务代码做重构，替换为原生SQL。这似乎是抛弃EF的开端。

问题2:部分数据量很大的表需要分表，EF难以维系

EF是ORM框架，映射数据库对象，然而同一数据库的一张表被拆分为两张以上，EF似乎没法映射了，两张表字段完全一致，难道再写个Model？而且分表是个动态的过程，也许一年分一次，也许一个月分一次，而且可能是定时任务去执行的，总不能一分表就改代码。自此，我们和EF的矛盾激化了。

园子里有关于数据库拆分的博客，我们所要改的只有数据访问层，最好不要动业务层。而且我们上文也提到：用原生SQL。那么我们就用原生SQL重写数据访问。

这里举个例子，比如我们拆分订单表，按年拆分，通常用户只会查看当年的订单，所以主表的查询次数肯定比其他分出的表要多，如果有用户要查往年的订单，我们再将查询范围扩大。按照这样的理念，我们开始重写数据访问层，并按照以下要点执行：

1.使用原生SQL

2.添加日期参数，如果日期超出主表的范围，则开始连接查询

3.查询中也可以添加其他条件，将参数作为对象填入SQL

4.抽象出一个生成SQL的公共方法，方便大家调用

拼装SQL是一件极其考验基本功的事，这个公共方法是我厂一位大师级的数据专家抽象出来的，大家也可以按照这个思路尝试下，一个简化版是很容易做出来的。

至此，项目中重要的业务功能已经和EF脱离关系了，我们也欣喜地收获了SQL带来的效率。而其他功能模块中，没有高并发场景或并不常用的应用，我们并没有做重构。

尽管本文标题是嫌弃，但如果是企业级应用，需要兼顾开发效率，且没有互联网模式下的业务量激增状况，笔者仍然推荐使用EF。