本系列分为四大部分：

• gRPC 系列 (一) 什么是 RPC？
• gRPC 系列 (二) 如何用 Protobuf 组织内容
• gRPC 系列 (三) 如何借助 HTTP2 实现传输
• gRPC 系列 (四) 框架如何赋能分布式系统

初步印象

RPC 的语义是远程过程调用，在一般的印象中，就是将一个服务调用封装在一个本地方法中，让调用者像使用本地方法一样调用服务，对其屏蔽实现细节。而具体的实现是通过调用方和服务方的一套约定，基于 TCP 长连接进行数据交互达成。

上面的解释似云里雾里，仅仅了解到这种程度是远远不够的，还需要更进一步，以相对底层和抽象的视角来理解 RPC。

三个特点

广义上来讲，所有本应用程序外的调用都可以归类为 RPC，不管是分布式服务，第三方服务的 HTTP 接口，还是读写 Redis 的一次请求。从抽象的角度来讲，它们都一样是 RPC，由于不在本地执行，都有三个特点：

• 需要事先约定调用的语义 (接口语法)
• 需要网络传输
• 需要约定网络传输中的内容格式

以一次 Redis 调用为例，执行redis.set("rpc", 1)这个调用，其中：

• set及其参数("rpc", 1)，就是对调用语义的约定，由 redis 的 API 给出
• RedisServer 会监听一个服务端口，通过 TCP 传输内容，用异步事件驱动实现高并发
• 底层库会约定数据如何进行编解码，如何标识命令和参数，如何表示结果，如何表示数据的结尾等等

这三个特点都是因为调用不在本地而不得不衍生出来的问题，也因此决定了 RPC 的形态。所有的 RPC 解决方案都是在解决这三个问题，不断地在提出更加优良的解决方案，试图达到更好的性能，更低的使用成本。本文也将围绕这三个特点来展开内容。

常规的 RPC 一般都是基于一个大的内部服务，进行分布式拆分，由于其语义上以本地方法的作为入口，那么天然的就更倾向于具备高性能、支持复杂参数和返回值、跨语言等特性。下图是 RPC 调用的过程示意图：

内容组织约定

Stub 会负责封装命令和参数，并以特定的数据格式进行打包。其中命令、参数和返回值的需要客户端和服务端的 Stub 事先进行协商，双方都需要维护一份完全一样的方法及参数列表。更进一步需要知道对方如何进行压缩打包，如何压缩结构体，如何压缩 Class 等等，并严格按照标准进行解压缩，中途有任何一丝的差错都会的导致调用失败。所以一般情况下可能会对数据进行一定的校验，同时要协商方法、参数等错误时如何返回。这是一个比较繁杂的过程，混合了调用语法和 内容解压缩两部分内容，可被理解为如何组织内容的问题。

网络传输

搞定了协议约定问题后，接下来就是要通过 Runtime 进行内容传输了，这又是一大难题，一般是需要通过 Socket 编程来实现，使用 TCP 或 UDP 来进行传输，如果是 UDP 可以用数据报来区分每一次请求和回复。但如果是字节流的 TCP，就需要用特殊的方式来标示请求或回复的末尾，用来区分不同的请求。同时当对调用性能有要求时，可能会使用 Socket 的异步编程模型，消除等待中的消耗，这会引入事件机制，通过状态机来解析处理或回复请求。当出现超时、丢包等情况时还进行做重试、重传、报错等等。

拆解到协议约定和网络传输时，就会发现实现 RPC 调用是一件非常复杂的事情，自己实现千难万难，接下来就了解一番已有的，针对协议约定和网络传输的解决方案。

当然，在技术高度成熟的今天，已经又很多先烈将传输问题解决掉了，接下来就介绍几款常见的案例组合。

ONC RPC

ONC RPC 是相对早期的 RPC 解决方案，通过外部数据表示法来约定数据的压缩方式：

被传输的所有内容都需要通过上面的约定进行压缩，这样接收方就能顺利地按照同样的协议进行解压缩。

对于命令和参数列表的约定，会创建一份公共的协议文件，里面会定义被调用的方法名，参数列表，对象的列表等等。然后用特定工具将文件进行解析生成 Stub 程序，客户端和服务端都同时将 Stub 程序放在代码中。比如对方法名进行编号，将GetUserName(userId)这个方法编号为 1，在调用时就将 1 传输给服务端，服务端通过协议文件就知道调用的方法，这样节省了大量的空间。

传输则通过对应的类库实现，通过 Socket 编程实现的非常复杂的解决方案，包含了超时、失败、异常处理、状态转换等等功能。

这种早期的方案，在每一次代码更新时都需要重新生成 Stub 程序，调用方和服务方都需要及时更新对应的文件。给某一个方法增加一个默认参数，都需要全部使用者同步升级，从迭代或多版本的场景看来，这是一场噩梦。

RESTfull HTTP JSON

RESTfull 是一种资源状态转换的架构风格，也可以用来实现 RPC，互联网对 HTTP 超广泛的支持，使得这相当简单，也是大多数情况下的首选。

通过 HTTP 协议来进行内容传输，Header 用来约定编码、body 大小等，彼此以\r\n来分割，Header 和 body 之间通过两个连续的\r\n来间隔，能很容易地区分不同的请求。

通过 Url 和对应参数来标示要调用的方法和参数。在 body 中用 JSON 对内容进行编码，极易跨语言，不需要约定特定的复杂编码格式和 Stub 文件。在版本兼容性上非常友好，扩展也很容易。

众多的优点使得这种方案广受欢迎。不过也有其无法避开的弱点：

• HTTP 的 header 和 Json 的数据冗余和低压缩率使得传输性能差
• JSON 难以表达复杂的参数类型，如结构体等

gRPC HTTP2.0 Protobuf

gRPC 是一款 RPC 框架，也是本系列的主角，在性能和版本兼容上做了提升和让步：

• Protobuf 进行数据编码，提高数据压缩率
• 使用 HTTP2.0 弥补了 HTTP1.1 的不足
• 同样在调用方和服务方使用协议约定文件，提供参数可选，为版本兼容留下缓冲空间

protobuf是一款用 C++ 开发的跨语言、二进制编码的数据序列化协议，以超高的压缩率著称。它和早期的 RPC 方案一样，需要双方维护一个协议约束文件，以.proto 结尾，使用 proto 命令对文件进行解析，会生成对应的 Stub 程序，客户端和服务端都需要保存这份 Stub 程序用来进行编解码。对于这种协议文件导致的升级困难问题，protobuf 3 中定义的字段默认都是可选的 (可以不传)，在接口升级时，部分客户端不需要升级自己的 Stub 程序。

// ***.proto文件
syntax = "proto3";
package id_rpc;
message BusinessType {// 定义参数
  string name = 1; //参数字段
}

message UniqueId {// 定义返回值
  uint64 id = 1;
  string business_type = 2;
}

service UniqueIdService {// 定义服务，可以调用 MakeUniqueId 方法
  rpc MakeUniqueId(BusinessType) returns (UniqueId){}
}

对于 JSON 等文本形式的序列化协议来说，protobuf 能有几十倍空间和性能提升，比如传输123，文本类的需要 3 个字节 (ascii 31 32 33) 来传输，而二进制类只需要一个字节 (01111011) 就可以表示。

同时 protobuf 会维护.proto 文件，这样在解析文件生成 Stub 程序时，可以对方法名等进行编号，传输时只传编号，而不用传方法的名字，这又可以节省大量字节，还有其他更多的精巧压缩方法，比如 TLV，详情可以参考proto encoding 。

解决了数据体积的问题后，gRPC 使用 HTTP2 来改善传输性能。HTTP2 是在 HTTP1.1 的基础上做了大量的改进，HTTP1.1 虽然引入了 KeepAlive 复用 TCP 连接，但仍然有很多问题：

• 使用 KeepAlive 的请求是串行执行 (非 pipeline 时)，pipeline 时有队首阻塞问题
• 每次都需要发送不必要的 Header
• 不能双向通信

简单补充一下 pipeline，HTTP1.1 中允许多个请求复用连接，同时可以一口气将请求全部发出去，不用一个返回后再发送第二个，提升并发性。而服务端需要将请求的结果，按照 pipeline 中发送的顺序进行顺序返回，如果靠前的请求阻塞了，那么靠后请求返回就会被动等待。

HTTP2 解决了这些问题，引入了新的机制：

• 在两端建立 Header 索引表，每次只发送索引，减小 header 体积
• 建立虚拟通道，将数据拆分成多个流，每个流有自己的 ID 和优先级，并且流可以双向传输，每个流可以进一步拆成多个帧。可以将多个请求切成不同的流发送，每个流可以独立返回，避开 1.1 的串行或队首阻塞问题。

同时，基于 HTTP2 的数据流机制，gRPC 客户端和服务端可以实现批量操作优化，客户端可以攒一些请求，一口气发给服务端，服务端也可以批量返回结果，借此实现流式 rpc。

RabbitMQ

rpc 作为一种极常见的服务形态，以异步和解耦著称的 mq 也自然不会放过这个场景，rabbitmq 就为 rpc 调用提供了很好的支持。

一般和 rabbitmq 的交互场景是发布或消费消息，是一个单向的过程，而 rpc 却是一种同步的双向交互过程，在使用上有些差异。要理解 rabbitmq 如何实现 rpc，还是可以从上面三个抽象的特点出发，万变不离其宗。

如何协商调用语义

mq 中的消息是从 exchange 分发到 queue 中，消费端在特定的 queue 中获取消息，rpc 的请求依然要走这条路径：方法调用->exchange->queue->方法执行。

创建一个 direct 类型的 exchange，让每个 rpc 方法对应一个 queue，这个 exchange 通过 routing_key 分发到对应的 queue 中，让特定的消费者来实际执行 rpc 方法。这样 rpc 方法的语义就通过 queue 来约定，而方法的参数，可以放入消息中。

如何将结果传递回客户端

方法调用->exchange->queue->方法执行, 这条路是单行道，方法执行端执行完 rpc 方法后不能按照原路将结果返回给客户端。要实现结果回传，就得再开辟一条结果回传端->exchange->queue->结果等待端路径，一条用来发送 rpc 请求，另一条用来回传 rpc 结果，方法调用者和方法执行者都会扮演生产者和消费者。

rabbitmq 中有回调队列(Callback queue)来实现调用结果回传，同时有关联ID(Correlation Id)来唯一标识每一份调用结果。

rpc 调用方在发送请求时，会在数据中带上回调队列信息 (routing_key) 和关联 ID，rpc 执行方在执行完方法后，就将关联 ID 掺入执行结果中，并将结果通过 exchange 发往回调队列 (通过 routing_key)。rpc 调用方在发送请求后，紧接着在设置的回调队列中等结果就行。整个过程 (两条路径) 共用同一个 exchange。

调用参数和调用结果的打包可以用 JSON，protobuf 等等，协商一致即可。完整示例代码

使用 mq 实现 rpc，有其独有的优势，rpc 执行端可以轻松地横向扩展，rpc 调用方也不用考虑负载均衡，沿袭了 mq 解耦的优点。不过对于调用超时，执行端崩溃等等情况得做额外处理。调用方在等待结果时需要设置超时间，高性能的 rpc 调用还需要调用方能异步高效地通过关联 ID 将请求结果储存起来，等待调用者获取。Spring 框架的实现方案就是用一个 HashMap 将结果保存起来，等待调用者以关联 ID 作为 key 来取结果。

工程落地

RPC 作为分布式系统的桥梁，在解决以上三大问题之外，还得需要进行工程落地，这就是RPC框架的核心职责。其要解决的问题有：

• 集成服务发现的能力
• 负载均衡、限流、熔断等常规操作
• 服务方并发能力、稳定性
• 请求方资源利用、池化、容错等

整体的目标是将 RPC 调用落地，为分布式系统赋能。这是一个系统性的工程。

总结

RPC 从抽象的角度来看：

• 具有需要约定调用语法
• 需要约定内容编码方式
• 需要网络传输

这三大特点，进一步可以归纳为协议约定问题和网络传输问题，本文的主要内容都围绕这两大问题，并介绍常见的解决方案，借此对建立 RPC 更深的理解。

接下来的内容，会走进 gRPC 这款强大的 RPC 框架，分别介绍 gRPC 是如何解决上面的三个点，并提供出框架级的能力，为分布式系统赋能。