RPC的實現原理

正如上一講所說，RPC主要是為了解決的兩個問題：

• 解決分布式系統中，服務之間的調用問題。
• 遠程調用時，要能夠像本地調用一樣方便，讓調用者感知不到遠程調用的邏輯。

還是以計算器Calculator為例，如果實現類CalculatorImpl是放在本地的，那么直接調用即可：

?

現在系統變成分布式了，CalculatorImpl和調用方不在同一個地址空間，那么就必須要進行遠程過程調用：

?

那么如何實現遠程過程調用，也就是RPC呢，一個完整的RPC流程，可以用下面這張圖來描述：

?

其中左邊的Client，對應的就是前面的Service A，而右邊的Server，對應的則是Service B。
下面一步一步詳細解釋一下。

Service A的應用層代碼中，調用了Calculator的一個實現類的add方法，希望執行一個加法運算；

這個Calculator實現類，內部并不是直接實現計算器的加減乘除邏輯，而是通過遠程調用Service B的RPC接口，來獲取運算結果，因此稱之為Stub；

Stub怎么和Service B建立遠程通訊呢？這時候就要用到遠程通訊工具了，也就是圖中的Run-time Library，這個工具將幫你實現遠程通訊的功能，比如Java的Socket，就是這樣一個庫，當然，你也可以用基于Http協議的HttpClient，或者其他通訊工具類，都可以，RPC并沒有規定說你要用何種協議進行通訊；

Stub通過調用通訊工具提供的方法，和Service B建立起了通訊，然后將請求數據發給Service B。需要注意的是，由于底層的網絡通訊是基于二進制格式的，因此這里Stub傳給通訊工具類的數據也必須是二進制，比如calculator.add(1,2)，你必須把參數值1和2放到一個Request對象里頭（這個Request對象當然不只這些信息，還包括要調用哪個服務的哪個RPC接口等其他信息），然后序列化為二進制，再傳給通訊工具類，這一點也將在下面的代碼實現中體現；

二進制的數據傳到Service B這一邊了，Service B當然也有自己的通訊工具，通過這個通訊工具接收二進制的請求；

既然數據是二進制的，那么自然要進行反序列化了，將二進制的數據反序列化為請求對象，然后將這個請求對象交給Service B的Stub處理；

和之前的Service A的Stub一樣，這里的Stub也同樣是個“假玩意”，它所負責的，只是去解析請求對象，知道調用方要調的是哪個RPC接口，傳進來的參數又是什么，然后再把這些參數傳給對應的RPC接口，也就是Calculator的實際實現類去執行。很明顯，如果是Java，那這里肯定用到了反射。

RPC接口執行完畢，返回執行結果，現在輪到Service B要把數據發給Service A了，怎么發？一樣的道理，一樣的流程，只是現在Service B變成了Client，Service A變成了Server而已：Service B反序列化執行結果->傳輸給Service A->Service A反序列化執行結果 -> 將結果返回給Application，完畢。

理論的講完了，是時候把理論變成實踐了。

把理論變成實踐

本文的示例代碼，可到Github下載。

首先是Client端的應用層怎么發起RPC，ComsumerApp：

public class ComsumerApp {public static void main(String[] args) {Calculator calculator = new CalculatorRemoteImpl();int result = calculator.add(1, 2);} }

通過一個CalculatorRemoteImpl，我們把RPC的邏輯封裝進去了，客戶端調用時感知不到遠程調用的麻煩。下面再來看看CalculatorRemoteImpl，代碼有些多，但是其實就是把上面的2、3、4幾個步驟用代碼實現了而已，CalculatorRemoteImpl：

public class CalculatorRemoteImpl implements Calculator {public int add(int a, int b) {List<String> addressList = lookupProviders("Calculator.add");String address = chooseTarget(addressList);try {Socket socket = new Socket(address, PORT);// 將請求序列化CalculateRpcRequest calculateRpcRequest = generateRequest(a, b);ObjectOutputStream objectOutputStream = new ObjectOutputStream(socket.getOutputStream());// 將請求發給服務提供方objectOutputStream.writeObject(calculateRpcRequest);// 將響應體反序列化ObjectInputStream objectInputStream = new ObjectInputStream(socket.getInputStream());Object response = objectInputStream.readObject();if (response instanceof Integer) {return (Integer) response;} else {throw new InternalError();}} catch (Exception e) {log.error("fail", e);throw new InternalError();}} }

add方法的前面兩行，lookupProviders和chooseTarget，可能大家會覺得不明覺厲。

分布式應用下，一個服務可能有多個實例，比如Service B，可能有ip地址為198.168.1.11和198.168.1.13兩個實例，lookupProviders，其實就是在尋找要調用的服務的實例列表。在分布式應用下，通常會有一個服務注冊中心，來提供查詢實例列表的功能。

查到實例列表之后要調用哪一個實例呢，只時候就需要chooseTarget了，其實內部就是一個負載均衡策略。

由于我們這里只是想實現一個簡單的RPC，所以暫時不考慮服務注冊中心和負載均衡，因此代碼里寫死了返回ip地址為127.0.0.1。

代碼繼續往下走，我們這里用到了Socket來進行遠程通訊，同時利用ObjectOutputStream的writeObject和ObjectInputStream的readObject，來實現序列化和反序列化。

最后再來看看Server端的實現，和Client端非常類似，ProviderApp：

public class ProviderApp {private Calculator calculator = new CalculatorImpl();public static void main(String[] args) throws IOException {new ProviderApp().run();}private void run() throws IOException {ServerSocket listener = new ServerSocket(9090);try {while (true) {Socket socket = listener.accept();try {// 將請求反序列化ObjectInputStream objectInputStream = new ObjectInputStream(socket.getInputStream());Object object = objectInputStream.readObject();log.info("request is {}", object);// 調用服務int result = 0;if (object instanceof CalculateRpcRequest) {CalculateRpcRequest calculateRpcRequest = (CalculateRpcRequest) object;if ("add".equals(calculateRpcRequest.getMethod())) {result = calculator.add(calculateRpcRequest.getA(), calculateRpcRequest.getB());} else {throw new UnsupportedOperationException();}}// 返回結果ObjectOutputStream objectOutputStream = new ObjectOutputStream(socket.getOutputStream());objectOutputStream.writeObject(new Integer(result));} catch (Exception e) {log.error("fail", e);} finally {socket.close();}}} finally {listener.close();}}}

Server端主要是通過ServerSocket的accept方法，來接收Client端的請求，接著就是反序列化請求->執行->序列化執行結果，最后將二進制格式的執行結果返回給Client。

就這樣我們實現了一個簡陋而又詳細的RPC。
說它簡陋，是因為這個實現確實比較挫，在下一小節會說它為什么挫。
說它詳細，是因為它一步一步的演示了一個RPC的執行流程，方便大家了解RPC的內部機制。

為什么說這個RPC實現很挫

這個RPC實現只是為了給大家演示一下RPC的原理，要是想放到生產環境去用，那是絕對不行的。

1、缺乏通用性
我通過給Calculator接口寫了一個CalculatorRemoteImpl，來實現計算器的遠程調用，下一次要是有別的接口需要遠程調用，是不是又得再寫對應的遠程調用實現類？這肯定是很不方便的。

那該如何解決呢？先來看看使用Dubbo時是如何實現RPC調用的：

@Reference private Calculator calculator;...calculator.add(1,2);...

Dubbo通過和Spring的集成，在Spring容器初始化的時候，如果掃描到對象加了@Reference注解，那么就給這個對象生成一個代理對象，這個代理對象會負責遠程通訊，然后將代理對象放進容器中。所以代碼運行期用到的calculator就是那個代理對象了。

我們可以先不和Spring集成，也就是先不采用依賴注入，但是我們要做到像Dubbo一樣，無需自己手動寫代理對象，怎么做呢？那自然是要求所有的遠程調用都遵循一套模板，把遠程調用的信息放到一個RpcRequest對象里面，發給Server端，Server端解析之后就知道你要調用的是哪個RPC接口、以及入參是什么類型、入參的值又是什么，就像Dubbo的RpcInvocation：

public class RpcInvocation implements Invocation, Serializable {private static final long serialVersionUID = -4355285085441097045L;private String methodName;private Class<?>[] parameterTypes;private Object[] arguments;private Map<String, String> attachments;private transient Invoker<?> invoker;

2、集成Spring
在實現了代理對象通用化之后，下一步就可以考慮集成Spring的IOC功能了，通過Spring來創建代理對象，這一點就需要對Spring的bean初始化有一定掌握了。

3、長連接or短連接
總不能每次要調用RPC接口時都去開啟一個Socket建立連接吧？是不是可以保持若干個長連接，然后每次有rpc請求時，把請求放到任務隊列中，然后由線程池去消費執行？只是一個思路，后續可以參考一下Dubbo是如何實現的。

4、 服務端線程池
我們現在的Server端，是單線程的，每次都要等一個請求處理完，才能去accept另一個socket的連接，這樣性能肯定很差，是不是可以通過一個線程池，來實現同時處理多個RPC請求？同樣只是一個思路。

5、服務注冊中心
正如之前提到的，要調用服務，首先你需要一個服務注冊中心，告訴你對方服務都有哪些實例。Dubbo的服務注冊中心是可以配置的，官方推薦使用Zookeeper。如果使用Zookeeper的話，要怎樣往上面注冊實例，又要怎樣獲取實例，這些都是要實現的。

6、負載均衡
如何從多個實例里挑選一個出來，進行調用，這就要用到負載均衡了。負載均衡的策略肯定不只一種，要怎樣把策略做成可配置的？又要如何實現這些策略？同樣可以參考Dubbo，Dubbo - 負載均衡

7、結果緩存
每次調用查詢接口時都要真的去Server端查詢嗎？是不是要考慮一下支持緩存？

8、多版本控制
服務端接口修改了，舊的接口怎么辦？

9、異步調用
客戶端調用完接口之后，不想等待服務端返回，想去干點別的事，可以支持不？

10、優雅停機
服務端要停機了，還沒處理完的請求，怎么辦？

......

諸如此類的優化點還有很多，這也是為什么實現一個高性能高可用的RPC框架那么難的原因。

當然，我們現在已經有很多很不錯的RPC框架可以參考了，我們完全可以借鑒一下前人的智慧。

后面如果有（dian）機（zan）會（duo）的話，也將和大家分享一下如何一步一步優化現有的這塊RPC代碼，把它做成一個小型RPC框架！

參考

• 一本很棒的分布式書籍：《大型網站系統與Java中間件實踐》
• Dubbo 使用文檔
• Dubbo 源碼開發手冊

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的一个例子理解什么是RPC？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。