LUPA开源社区 › 首页 ›业界资讯› 技术文摘 › 查看内容

什么样的RPC才是好用的RPC

2016-9-6 22:17| 发布者: joejoe0332| 查看: 2243| 评论: 0|原作者: CSDN|来自: CSDN

摘要: 现在RPC框架很多，但是真正好用的RPC却是少之又少。那么什么是好用的RPC，什么是不好用的RPC呢，有一个评判标准吗？下面是我列举出来的衡量RPC好用与否的几条标准：…… ...

现在RPC框架很多，但是真正好用的RPC却是少之又少。那么什么是好用的RPC，什么是不好用的RPC呢，有一个评判标准吗？下面是我列举出来的衡量RPC好用与否的几条标准：

真的像本地函数一样调用
使用简单，用户只需要关注业务即可
灵活，RPC调用的序列化方式可以自由定制，比如支持json，支持msgpack等方式

下面来分别解释这几条标准。

标准1：真的像本地函数一样调用
RPC的本质是为了屏蔽网络的细节和复杂性，提供易用的api，让用户就像调用本地函数一样实现远程调用，所以RPC最重要的就是“像调用本地函数一样”实现远程调用，完全不让用户感知到底层的网络。真正好用的RPC接口，他的调用形式是和本地函数无差别的，但是本地函数调用是灵活多变的。服务器如果提供和客户端完全一致的调用形式将是非常好用的，这也是RPC框架的一个巨大挑战
标准2：使用简单，用户只需要关注业务即可
RPC的使用简单直接，非常自然，就是和调用本地函数一样，不需要写一大堆额外代码，用户只用写业务逻辑代码，而不用关注框架的细节，其他的事情都由RPC框架完成。
标准3：灵活，RPC调用的序列化方式可以自由定制
RPC调用的数据格式支持多种编解码方式，比如一些通用的json格式、msgpack格式或者boost.serialization等格式，甚至支持用户自己定义的格式，这样使用起来才会更灵活。

RPC框架评估

下面根据这几个标准来评估一些国内外知名大公司的RPC框架，这些框架的用法在github的wiki中都有使用示例，使用示例代码均来自官方提供的例子。

谷歌 gRPC

gRPC最近发布了1.0版本，他是谷歌公司用c++开发的一个RPC框架，并提供了多种客户端。

协议定义

先定义一个.proto的文件，例如
 
    // Obtains the feature at a given position.
    rpc GetFeature(Point) returns (Feature) {}
定义了一个服务接口，接收客户端传过来的Point，返回一个Feature，接下来定义protocol buffer的消息类型，用于序列化/反序列化
 
    message Point {
      int32 latitude = 1;
      int32 longitude = 2;
    }

服务器代码

class RouteGuideImpl final : public RouteGuide::Service {
    Status GetFeature(ServerContext* context, const Point* point, Feature* feature) override {
          feature->set_name(GetFeatureName(*point, feature_list_));
          feature->mutable_location()->CopyFrom(*point);
          return Status::OK;
    }
}
 
void RunServer(const std::string& db_path) {
  std::string server_address("0.0.0.0:50051");
  RouteGuideImpl service(db_path);
 
  ServerBuilder builder;
  builder.AddListeningPort(server_address, grpc::InsecureServerCredentials());
  builder.RegisterService(&service);
  std::unique_ptr<Server> server(builder.BuildAndStart());
  std::cout << "Server listening on " << server_address << std::endl;
  server->Wait();
}

客户端代码

bool GetOneFeature(const Point& point, Feature* feature) {
    ClientContext context;
    Status status = stub_->GetFeature(&context, point, feature);
    if (!status.ok()) {
      std::cout << "GetFeature rpc failed." << std::endl;
      return false;
    }
    if (!feature->has_location()) {
      std::cout << "Server returns incomplete feature." << std::endl;
      return false;
    }
 
    return true;
}

评价
gRPC调用的序列化用的是protocal buffer，RPC服务接口需要在.proto文件中定义，使用稍显繁琐。根据标准1，gRPC并没有完全实现像本地调用一样，虽然很接近了，但做不到，原因是RPC接口中必须带一个Context的参数，并且返回类型必须是Status，这些限制导致gRPC无法做到像本地接口一样调用。
根据标准2，gRPC的使用不算简单，需要关注诸多细节，比如Context和Status等框架的细节。根据标准3，gRPC只支持pb协议，无法扩展支持其他协议。
综合评价：70分。

百度sofa-pbRPC

sofa-pbRPC是百度用c++开发的一个RPC框架，和gRPC有点类似，也是基于protocal buffer的，需要定义协议。

协议定义
// 定义请求消息
message EchoRequest {
required string message = 1;
}

// 定义回应消息
message EchoResponse {
    required string message = 1;
}
 
// 定义RPC服务，可包含多个方法（这里只列出一个）
service EchoServer {
    rpc Echo(EchoRequest) returns(EchoResponse);
}

服务器端代码

#include <sofa/pbrpc/pbrpc.h>  // sofa-pbrpc头文件
#include "echo_service.pb.h"   // service接口定义头文件
class EchoServerImpl : public sofa::pbrpc::test::EchoServer
{
public:
    EchoServerImpl() {}
    virtual ~EchoServerImpl() {}
 
private:
    virtual void Echo(google::protobuf::RpcController* controller,
                      const sofa::pbrpc::test::EchoRequest* request,
                      sofa::pbrpc::test::EchoResponse* response,
                      google::protobuf::Closure* done)
    {
        sofa::pbrpc::RpcController* cntl =
            static_cast<sofa::pbrpc::RpcController*>(controller);
        SLOG(NOTICE, "Echo(): request message from %s: %s",
            cntl->RemoteAddress().c_str(), request->message().c_str());
        response->set_message("echo message: " + request->message());
        done->Run();
    }
};
 
注意：
 
服务完成后必须调用done->Run()，通知RPC系统服务完成，触发发送Response；
在调了done->Run()之后，Echo的所有四个参数都不再能访问；
done-Run()可以分派到其他线程中执行，以实现了真正的异步处理；

客户端代码

int main()
{
    SOFA_PBRPC_SET_LOG_LEVEL(NOTICE);
 
    // 定义RpcClient对象，管理RPC的所有资源
    // 通常来说，一个client程序只需要一个RpcClient实例
    // 可以通过RpcClientOptions指定一些配置参数，譬如线程数、流控等
    sofa::pbrpc::RpcClientOptions client_options;
    client_options.work_thread_num = 8;
    sofa::pbrpc::RpcClient rpc_client(client_options);
 
    // 定义RpcChannel对象，代表一个消息通道，需传入Server端服务地址
    sofa::pbrpc::RpcChannel rpc_channel(&rpc_client, "127.0.0.1:12321");
 
    // 定义EchoServer服务的桩对象EchoServer_Stub，使用上面定义的消息通道传输数据
    sofa::pbrpc::test::EchoServer_Stub stub(&rpc_channel);
 
    // 定义和填充调用方法的请求消息
    sofa::pbrpc::test::EchoRequest request;
    request.set_message("Hello world!");
 
    // 定义方法的回应消息，会在调用返回后被填充
    sofa::pbrpc::test::EchoResponse response;
 
    // 定义RpcController对象，用于控制本次调用
    // 可以设置超时时间、压缩方式等；默认超时时间为10秒，默认压缩方式为无压缩
    sofa::pbrpc::RpcController controller;
    controller.SetTimeout(3000);
 
    // 发起调用，最后一个参数为NULL表示为同步调用
    stub.Echo(&controller, &request, &response, NULL);
 
    // 调用完成后，检查是否失败
    if (controller.Failed()) {
        // 调用失败后的错误处理，譬如可以进行重试
        SLOG(ERROR, "request failed: %s", controller.ErrorText().c_str());
    }
 
    return EXIT_SUCCESS;
}

评价
sofa-pbRPC的使用并没有像sofa这个名字那样sofa，根据标准1，服务端的RPC接口比gRPC更加复杂，更加远离本地调用了。根据标准2，用户要做很多额外的事，需要关注框架的很多细节，比较难用。根据标准3，同样只支持pb协议，无法支持其他协议。
综合评价：62分。

腾讯Pebble

腾讯开源的Pebble也是基于protocal buffer的，不过他的用法比gRPC和sofaRPC更好用，思路都是类似的，先定义协议。

协议定义

struct HeartBeatInfo {
  1: i64 id,
  2: i32 version = 1,
  3: string address,
  4: optional string comment,
}
 
service BaseService {
 
   i64 heartbeat(1:i64 id, 2:HeartBeatInfo data),
 
   oneway void log(1: string content)
 
}

服务器端代码

class BaseServiceHandler : public BaseServiceCobSvIf {
public:
 
    void log(const std::string& content) {
        std::cout << "receive request : log(" << content << ")" << std::endl;
    }
};
 
int main(int argc, char* argv[]) {
    // 初始化RPC
    pebble::rpc::Rpc* rpc = pebble::rpc::Rpc::Instance();
    rpc->Init("", 0, "");
 
    // 注册服务
    BaseServiceHandler base_service;
    rpc->RegisterService(&base_service);
 
    // 配置服务监听地址
    std::string listen_addr("tcp://127.0.0.1:");
    if (argc > 1) {
        listen_addr.append(argv[1]);
    } else {
        listen_addr.append("8200");
    }
 
    // 添加服务监听地址
    rpc->AddServiceManner(listen_addr, pebble::rpc::PROTOCOL_BINARY);
 
    // 启动server
    rpc->Serve();
 
    return 0;
}

客户端代码

// 初始化RPC
pebble::rpc::Rpc* rpc = pebble::rpc::Rpc::Instance();
rpc->Init("", -1, "");
 
// 创建rpc client stub
BaseServiceClient client(service_url, pebble::rpc::PROTOCOL_BINARY);
 
// 同步调用
int ret = client.log("pebble simple test : log");
std::cout << "sync call, ret = " << ret << std::endl;

评价
Pebble比gRPC和sofa-pbrpc更好用，根据标准1，调用方式和本地调用一致了，接口中没有任何限制。根据标准2，除了定义协议稍显繁琐之外已经比较易用了，不过服务器在使用上还是有一些限制，比如注册服务的时候只能注册一个类对象的指针，不能支持lambda表达式，std::function或者普通的function。根据标准3，gRPC只支持pb协议，无法扩展支持其他协议。
综合评价：75分。

apache msgpack-RPC

msgpack-RPC是基于msgpack定义的RPC框架，不同于基于pb的RPC，他无需定义专门的协议。

服务器端代码

#include <jubatus/msgpack/rpc/server.h>
 
class myserver : public msgpack::rpc::server::base {
public:
    void add(msgpack::rpc::request req, int a1, int a2)
    {
        req.result(a1 + a2);
    }
 
public:
    void dispatch(msgpack::rpc::request req)
    try {
        std::string method;
        req.method().convert(&method);
 
        if(method == "add") {
            msgpack::type::tuple<int, int> params;
            req.params().convert(&params);
            add(req, params.get<0>(), params.get<1>());
 
        } else {
            req.error(msgpack::rpc::NO_METHOD_ERROR);
        }
 
    } catch (msgpack::type_error& e) {
        req.error(msgpack::rpc::ARGUMENT_ERROR);
        return;
 
    } catch (std::exception& e) {
        req.error(std::string(e.what()));
        return;
    }
};

客户端代码

#include <jubatus/msgpack/rpc/client.h>
#include <iostream>
 
int main(void)
{
    msgpack::rpc::client c("127.0.0.1", 9090);
    int result = c.call("add", 1, 2).get<int>();
    std::cout << result << std::endl;
}

评价
msgpack-RPC使用起来也很简单，不需要定义proto文件，根据标准1，客户端的调用和本地调用一致，不过，服务器的RPC接口有一个msgpack::rpc::request对象，并且也必须派生于base类，使用上有一定的限制。根据标准2，服务器端提供RPC服务的时候需要根据method的名字来dispatch，这种方式不符合开闭原则，使用起来有些不方便。根据标准3，msgpack-rpc只支持msgpack的序列化，不能支持其他的序列化方式。
综合评价：80分。