杨中科 ASP.NETCORE 高级14 SignalR

1、什么是websocket、SignalR

服务器向客户端发送数据

1、需求:Web聊天;站内沟通。

2、传统HTTP:只能客户端主动发送请求

3、传统方案:长轮询(Long Polling)。缺点是?(1.客户端发送请求后,服务端要等到有数据返回,返回数据后,才方法连接。2.或者是每秒向服务器发送消息,询问是否有数据返回)

一台服务器,能处理得并发量是有限的,这种方式就会很消耗资源

WebSocket

1、WebSocket基于TCP 协议,支持二进制通信,双工通信。

2、性能和并发能力更强。

3、WebSocket 服务器独立于HTTP协议,不过我们一般仍然把WebSocket 服务器端部署到Web服务器上,因为可以借助HTTP 协议完成初始的握手(可选),并且共享HTTP服务器得端口(主要)。(好处是:不需要单独开放一个端口)

SignalR

1、ASP.NET Core SignalR(以下简称SignalR)是.NET Core平台中对WebSocket的封装,从而让开发人员可以更简单地进行WebSocket开发。

2、Hub(集线器),数据交换中心

SignalR中一个重要的组件是集线器(hub),它用于在WebSocket服务器端和所有客户端之间进行数据交换,所有连接到同一个集线器上的程序都可以互相通信。我们既可以通过集线器来完成服务器端向客户端的消息推送,也可以完成客户端之间的消息推送,当然WebSocket也允许客户端向服务器端发送消息。

SignalR使用场景

按照官方的说法,signal能够方便的为应用提供实时的服务器端和客户端双向通信功能,相当于服务器端能够观察到客户端的实时更新,并且将这个更新广播推送,这是一个很有用的功能。SignalR适用场景如下:

1、需要从服务器进行高频率更新的应用。 示例包括游戏、社交网络、投票、拍卖、地图和 GPS 应用。

2、仪表板和监视应用。 示例包括公司仪表板、即时销售更新或旅行警报。

3、协作应用。 协作应用的示例包括白板应用和团队会议软件。

4、需要通知的应用。 社交网络、电子邮件、聊天、游戏、旅行警报和很多其他应用都需使用通知。

基本SignalR项目1

需要分别编写服务器端Hub和前端代码

1、创建Web API项目,创建一个继承自Hub类

c# 复制代码
public class ChatRoomHub:Hub
{
	public Task SendPublicMessage(String message)
	{
		string connId = this.Context.ConnectionId;
		string msg = $"{connId}{DateTime.Now}{message}";
		//某个客户端发送了消息msg 将他广播到其他客户端,广播模式项目中不可取
		//All 表示连接到的所有客户端
		return Clients.All.SendAsync("ReceivePublicMessage",msg);
	}
}

2、

C# 复制代码
builder.Service.AddSignalR()
在 app.MapControllers() 之前调用
app.MapHub<ChatRoomHub>("/Hubs/ChatRoomHub") //默认还要启用CORS

新建WebAPI 项目

编写MyHub类

相关推荐
学长毕设7 小时前
基于springboot的食品仓库管理系统
java·spring boot·后端
滴滴答答哒7 小时前
ASP.NET Core + FaceRecognitionDotNet 人脸识别实战:DI 单例、特征向量持久化与 1:N 比对
后端·asp.net
captain37610 小时前
MyBatis操作数据库(入门2)
java·数据库·spring boot·后端·spring·mybatis
IT_陈寒11 小时前
Java序列化踩坑记:对象循环引用让我加班两小时
前端·人工智能·后端
泡海椒11 小时前
05-雷达图多维画像-信用评级多维画像
后端
王中阳Go11 小时前
5.27 分钟干完后端和全部测试:一场三小时笔试的五个失分点,四个不在代码上
大数据·数据库·人工智能·后端·大语言模型
大哥430911 小时前
Modbus 的"字序":一个配错就变成天文数字,或者干脆变成 0
后端
岩钧11 小时前
New API 源码解析:一个生产级 AI 网关的架构与实现
后端
学到老活到老12 小时前
第 24 集:配置文件写了 80,Spring Boot 为什么读到 90?
java·后端·spring
用户3600555790012 小时前
Kestrel_VLLM - 25 · 全注意力层设备化、整层对拍与访存粒度
后端