基于.NET 7的MAUI项目点位与照片存储优化问题咨询

1. 避免UI阻塞的大对象存储方案 #

客户端侧 #

• 异步分离UI与业务逻辑：所有耗时操作（对象克隆、数据上传）必须通过await异步执行，禁止使用.Result或.Wait()阻塞UI线程。若有本地数据预处理（如照片压缩、点位格式化），可通过Task.Run将逻辑放到后台线程，再通过MainThread.BeginInvokeOnMainThread更新UI：

  // 后台处理数据，不占用UI线程
  var processedData = await Task.Run(() => {
      var cloned = BigObject.Clone();
      cloned.Points.Clear();
      cloned.Photos.Clear();
      return cloned;
  });
  // 异步上传，UI保持响应
  var simpleObj = await saveJustAsync(processedData);
  

• 分批次上传：将点位、照片拆分为小批次（如20个点位/10张照片为一批），完成一批后再执行下一批，降低单次请求负载。

服务端侧 #

• EF批量操作优化：存储点位时用DbContext.AddRange()替代循环Add()，减少EF跟踪开销；配合EF批量扩展包（如EFCore.BulkExtensions）提升提交效率：

  await _context.Points.AddRangeAsync(simpleObject.Points);
  await _context.BulkSaveChangesAsync(); // 批量提交减少数据库交互次数
  

• Azure Blob分块上传：针对大照片，使用分块上传API拆分文件为4MB-100MB的块并行上传，避免超时或资源占用过高：

  var blobClient = _blobServiceClient.GetBlobContainerClient("photos").GetBlobClient(photoFileName);
  await blobClient.UploadAsync(photoStream, new BlobUploadOptions {
      TransferOptions = new StorageTransferOptions {
          MaximumConcurrency = 4, // 控制并发数，避免资源耗尽
          InitialTransferSize = 4 * 1024 * 1024 // 初始块大小设为4MB
      }
  });
  

2. 获取存储实时状态的方案 #

客户端侧 #

• 用IProgress<T>传递进度：定义进度模型，在上传过程中实时通知UI更新：

  // 进度模型
  public class UploadProgress
  {
      public int TotalItems { get; set; }
      public int CompletedItems { get; set; }
      public string CurrentStatus { get; set; }
  }
  
  // 客户端调用时传入进度回调
  var progress = new Progress<UploadProgress>(update => {
      // 在UI线程更新进度条、状态文本
      ProgressBar.Value = (double)update.CompletedItems / update.TotalItems * 100;
      StatusLabel.Text = update.CurrentStatus;
  });
  
  await savePointsAsync(simpleObject, progress);
  

• 上传方法内更新进度：

  public async Task savePointsAsync(SimpleObject obj, IProgress<UploadProgress> progress)
  {
      var total = obj.Points.Count;
      var completed = 0;
      foreach (var point in obj.Points)
      {
          await _pointService.SaveAsync(point);
          completed++;
          progress.Report(new UploadProgress {
              TotalItems = total,
              CompletedItems = completed,
              CurrentStatus = $"上传点位 {completed}/{total}"
          });
      }
  }
  

服务端侧 #

• 建立任务状态表：创建UploadTask实体记录每个上传任务的进度与状态：

  public class UploadTask
  {
      public Guid Id { get; set; }
      public string UserId { get; set; }
      public int TotalPoints { get; set; }
      public int CompletedPoints { get; set; }
      public int TotalPhotos { get; set; }
      public int CompletedPhotos { get; set; }
      public UploadStatus Status { get; set; } // 待处理/处理中/完成/失败
      public DateTime CreatedTime { get; set; }
  }
  
  public enum UploadStatus
  {
      Pending,
      Processing,
      Completed,
      Failed
  }
  

• 实时更新与状态查询接口：处理任务时实时更新UploadTask，并提供API供客户端查询：

  // 更新进度
  public async Task UpdateTaskProgress(Guid taskId, int completedPoints)
  {
      var task = await _context.UploadTasks.FindAsync(taskId);
      task.CompletedPoints = completedPoints;
      task.Status = UploadStatus.Processing;
      await _context.SaveChangesAsync();
  }
  
  // 查询状态接口
  [HttpGet("tasks/{taskId}")]
  public async Task<IActionResult> GetTaskStatus(Guid taskId)
  {
      var task = await _context.UploadTasks.FindAsync(taskId);
      return Ok(task);
  }
  

• 可选：SignalR实时推送：通过SignalR建立长连接，服务端主动推送进度变化，替代客户端轮询，提升实时性。

3. 多用户存储的队列机制实现 #

服务端侧 #

• Azure Queue Storage实现任务队列：
  1. 客户端提交请求时，服务端先创建UploadTask并返回taskId，再将任务信息序列化放入队列：

     var queueClient = _queueServiceClient.GetQueueClient("upload-tasks");
     await queueClient.CreateIfNotExistsAsync();
     var message = JsonSerializer.Serialize(new { TaskId = task.Id, ObjectId = simpleObj.Id });
     await queueClient.SendMessageAsync(message);
     

  2. 后台Worker监听队列，取出任务后异步处理存储逻辑：

     while (true)
     {
         var response = await queueClient.ReceiveMessageAsync();
         if (response.Value == null)
         {
             await Task.Delay(1000);
             continue;
         }
         try
         {
             var taskData = JsonSerializer.Deserialize<TaskMessage>(response.Value.Body.ToString());
             // 执行点位、照片存储，同时更新UploadTask状态
             await ProcessUploadTask(taskData.TaskId);
             await queueClient.DeleteMessageAsync(response.Value.MessageId, response.Value.PopReceipt);
         }
         catch (Exception ex)
         {
             // 异常处理：限制重试次数后重新入队
             await queueClient.UpdateMessageAsync(response.Value.MessageId, response.Value.PopReceipt, TimeSpan.FromMinutes(5));
         }
     }
     

• 并发控制与限流：在Worker中用SemaphoreSlim限制同时处理的任务数；针对用户设置并发上限（如每个用户最多同时处理2个上传任务），避免资源耗尽。
• 乐观锁避免冲突：在UploadTask中添加Timestamp字段，EF自动用其实现乐观锁，防止多线程同时修改同一任务状态：

  public byte[] Timestamp { get; set; }
  

  DbContext配置：

  modelBuilder.Entity<UploadTask>().Property(t => t.Timestamp).IsRowVersion();
  

内容的提问来源于stack exchange，提问作者Mafyou