PDF管理API POST请求耗时过长 求助问题排查

我开发了一款PDF管理器，功能是接收PDF文件、解析其中句子，将PDF文件存储到Azure对象存储，句子数据存储到Azure SQL DB。近期突然出现POST请求耗时极长的问题，此前无此现象，通过版本控制也没定位到具体原因。

最初怀疑是数据库问题，但切换到本地数据库后直接出现连接超时。关闭WithTxtFile、WithImages选项后问题依旧，且句子解析逻辑自开发以来未改动。

API方法代码 #

//(POST) API to post a PDF to the database and parse its sentences
[HttpPost]
[Authorize]
public async Task<ActionResult<List<PDF>>> PostPDF(List<IFormFile> Files, bool? WithImages, bool? WithTxtFile)
{
    List<PDF> ListPDF = new List<PDF>();
    bool _WithImages = WithImages ?? false;
    bool _WithTxtFile = WithTxtFile ?? false;
    foreach(var file in Files)
    {
        if(System.IO.Path.GetExtension(file.FileName) == ".pdf") //Ensure the file being sent is a PDF
        {
            var FileInBytes = ManipulatorPDF.LoadBytePDF(file); //Byte array representing the PDF
            PdfDocument FileLoader = ManipulatorPDF.LoadPDF(file);
            List<Sentences> Sentences = ManipulatorPDF.GetSentences(FileLoader, _WithImages);
            
            //Create a new instance of a PDF with all the required parameters.
            //Save the file instance and sentences in an Azure blob storage using AzureSerices.SaveFile()
            string SentencesInTxt = (_WithTxtFile) ? await AzureServices.SaveFile(ManipulatorPDF.SentencesToText(Sentences), file.FileName.Substring(0, file.FileName.Length - 4)+"_Sentence.txt", "sentences-container") 
            : "This file was not posted with 'WithTxtFile' enabled";
            PDF FileInstance = new PDF(file.FileName, file.Length, FileLoader.Pages.Count, Sentences, await AzureServices.SaveFile(FileInBytes, file.FileName, "pdf-container"), SentencesInTxt);

            DB.Add(FileInstance); //Add an instance of the PDF class to the database
            ListPDF.Add(FileInstance); //Add instance to a list
        }
        else
        {
            return BadRequest("Bad request: Only PDFs are accepted. File(s) sent is not a PDF"); //Return bad request message if a non-PDF is sent
        }
    }
    Cache.Remove("ListPDF"); //Unload the cache after a new post
    await DB.SaveChangesAsync();
    return ListPDF; //Return the list of PDFs representing a successful POST
}

EF Core执行日志 #

info: Microsoft.EntityFrameworkCore.Database.Command[20101]
      Executed DbCommand (58ms) [Parameters=[@p0='?' (Size = 4000), @p1='?' (DbType = Double), @p2='?' (Size = 4000), @p3='?' (DbType = Int32), @p4='?' (Size = 4000), @p5='?' (DbType = DateTime2)], CommandType='Text', CommandTimeout='30']
      SET IMPLICIT_TRANSACTIONS OFF;
      SET NOCOUNT ON;
      INSERT INTO [PDFs] ([FileLink], [FileSize], [Name], [NumberOfPages], [SentencesLinkTxt], [TimeOfUpload])
      OUTPUT INSERTED.[id]

目前的情况是：950kb、约5000词的小PDF用Azure存储时耗时很久，本地数据库直接超时，仅3kb纯文本PDF能成功处理。

排查方向 #

1. 检查EF Core关联实体的插入逻辑 #

• 确认Sentences实体与PDF的关联配置：如果是一对多关系且开启级联插入，几千条Sentences会被EF Core逐条插入，产生大量数据库请求，直接拖慢速度。
• 查看EF Core是否启用了批量插入支持，默认情况下EF Core不会批量插入关联数据，需要手动配置（比如用第三方扩展包）。
• 检查DB.Add(FileInstance)后，EF是否在追踪大量Sentences实体，导致内存占用过高和后续SaveChanges时的性能损耗。

2. 优化数据库操作时机与配置 #

• 尝试将DB.Add替换为DB.AddRange(ListPDF)，减少EF的追踪开销。
• 调整数据库连接字符串的CommandTimeout参数，当前日志显示是30秒，改为60或120秒，测试本地数据库是否还会超时。
• 开启EF Core的详细日志，查看插入Sentences表的耗时，确认是不是这部分导致的超时。

3. 单独测试Azure存储与PDF解析的耗时 #

• 单独编写测试代码，调用AzureServices.SaveFile上传950kb的PDF文件，记录耗时，确认是否是Azure存储的网络延迟问题。
• 单独测试ManipulatorPDF.GetSentences解析目标PDF的耗时，即使逻辑没改，也可能存在某些特殊PDF格式导致的隐性性能损耗。

4. 关键步骤计时定位瓶颈 #

• 在代码中添加Stopwatch计时，分别测量以下步骤的耗时：

  var watch = System.Diagnostics.Stopwatch.StartNew();
  var FileInBytes = ManipulatorPDF.LoadBytePDF(file);
  watch.Stop();
  Console.WriteLine($"LoadBytePDF耗时: {watch.ElapsedMilliseconds}ms");
  
  watch.Restart();
  PdfDocument FileLoader = ManipulatorPDF.LoadPDF(file);
  watch.Stop();
  Console.WriteLine($"LoadPDF耗时: {watch.ElapsedMilliseconds}ms");
  
  watch.Restart();
  List<Sentences> Sentences = ManipulatorPDF.GetSentences(FileLoader, _WithImages);
  watch.Stop();
  Console.WriteLine($"GetSentences耗时: {watch.ElapsedMilliseconds}ms");
  
  watch.Restart();
  var pdfBlobLink = await AzureServices.SaveFile(FileInBytes, file.FileName, "pdf-container");
  watch.Stop();
  Console.WriteLine($"SavePDFToAzure耗时: {watch.ElapsedMilliseconds}ms");
  
  watch.Restart();
  await DB.SaveChangesAsync();
  watch.Stop();
  Console.WriteLine($"SaveChanges耗时: {watch.ElapsedMilliseconds}ms");
  

• 通过计时结果直接定位哪一步是性能瓶颈。

内容的提问来源于stack exchange，提问作者Saucter