RPC遠程調(diào)用該如何理解

本篇文章為大家展示了RPC遠程調(diào)用該如何理解，內(nèi)容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。

今天我又給自己挖坑了，打算將 rpc 遠程調(diào)用的知識，好好地梳理一下，花了周末整整兩天的時間。

什么是RPC呢？

百度百科給出的解釋是這樣的：“RPC（Remote Procedure Call Protocol）——遠程過程調(diào)用協(xié)議，它是一種通過網(wǎng)絡(luò)從遠程計算機程序上請求服務(wù)，而不需要了解底層網(wǎng)絡(luò)技術(shù)的協(xié)議”。這個概念聽起來還是比較抽象，沒關(guān)系，繼續(xù)往后看，后面概念性的東西，我會講得足夠清楚，讓你完全掌握 RPC 的基礎(chǔ)內(nèi)容。在后面的篇章中還會結(jié)合其在 OpenStack 中實際應(yīng)用，一步一步揭開 rpc 的神秘面紗。

## 01\. 既 REST，何 RPC ？

在 OpenStack 里的進程間通信方式主要有兩種，一種是基于HTTP協(xié)議的RESTFul API方式，另一種則是RPC調(diào)用。

那么這兩種方式在應(yīng)用場景上有何區(qū)別呢？

有使用經(jīng)驗的人，就會知道：

*   前者（RESTful）主要用于**各組件之間**的通信（如nova與glance的通信），或者說用于組件對外提供調(diào)用接口
*   而后者（RPC）則用于**同一組件中各個不同模塊之間**的通信（如nova組件中nova-compute與nova-scheduler的通信）。

關(guān)于OpenStack中基于RESTful API的通信方式主要是應(yīng)用了WSGI，這個知識點，我在前一篇文章中，有深入地講解過，你可以點擊查看。

對于不熟悉 OpenStack 的人，也別擔(dān)心聽不懂，這樣吧，我給你提兩個問題：

1.  RPC 和 REST 區(qū)別是什么？
2.  為什么要采用RPC呢？

**第一個問題：RPC 和 REST 區(qū)別是什么？**

你一定會覺得這個問題很奇怪，是的，包括我，但是你在網(wǎng)絡(luò)上一搜，會發(fā)現(xiàn)類似對比的文章比比皆是，我在想可能很多初學(xué)者由于基礎(chǔ)不牢固，才會將不相干的二者拿出來對比吧。既然是這樣，那為了讓你更加了解陌生的RPC，就從你熟悉得不能再熟悉的 REST 入手吧。

**01、所屬類別不同**

REST，是Representational State Transfer 的簡寫，中文描述表述性狀態(tài)傳遞（是指某個瞬間狀態(tài)的資源數(shù)據(jù)的快照，包括資源數(shù)據(jù)的內(nèi)容、表述格式(XML、JSON)等信息。）

REST 是一種軟件架構(gòu)風(fēng)格。 這種風(fēng)格的典型應(yīng)用，就是HTTP。其因為簡單、擴展性強的特點而廣受開發(fā)者的青睞。

而RPC 呢，是 Remote Procedure Call Protocol 的簡寫，中文描述是遠程過程調(diào)用，它可以實現(xiàn)客戶端像調(diào)用本地服務(wù)(方法)一樣調(diào)用服務(wù)器的服務(wù)(方法)。

RPC 是一種基于 TCP 的通信協(xié)議，按理說它和REST不是一個層面上的東西，不應(yīng)該放在一起討論，但是誰讓REST這么流行呢，它是目前最流行的一套互聯(lián)網(wǎng)應(yīng)用程序的API設(shè)計標(biāo)準(zhǔn)，某種意義下，我們說 REST 可以其實就是指代 HTTP 協(xié)議。

**02、使用方式不同**

**從使用上來看**，HTTP 接口只關(guān)注服務(wù)提供方，對于客戶端怎么調(diào)用并不關(guān)心。接口只要保證有客戶端調(diào)用時，返回對應(yīng)的數(shù)據(jù)就行了。而RPC則要求客戶端接口保持和服務(wù)端的一致。

*   REST 是服務(wù)端把方法寫好，客戶端并不知道具體方法。客戶端只想獲取資源，所以發(fā)起HTTP請求，而服務(wù)端接收到請求后根據(jù)URI經(jīng)過一系列的路由才定位到方法上面去
*   PRC是服務(wù)端提供好方法給客戶端調(diào)用，客戶端需要知道服務(wù)端的具體類，具體方法，然后像調(diào)用本地方法一樣直接調(diào)用它。

**03、面向?qū)ο蟛煌?*

從設(shè)計上來看，RPC，所謂的遠程過程調(diào)用 ，是面向方法的 ，REST：所謂的 Representational state transfer ，是面向資源的，除此之外，還有一種叫做 SOA，所謂的面向服務(wù)的架構(gòu)，它是面向消息的，這個接觸不多，就不多說了。

**04、序列化協(xié)議不同**

接口調(diào)用通常包含兩個部分，序列化和通信協(xié)議。

通信協(xié)議，上面已經(jīng)提及了，REST 是 基于 HTTP 協(xié)議，而 RPC 可以基于 TCP/UDP，也可以基于 HTTP 協(xié)議進行傳輸?shù)摹?/p>

常見的序列化協(xié)議，有：json、xml、hession、protobuf、thrift、text、bytes等，REST 通常使用的是 JSON或者XML，而 RPC 使用的是 JSON-RPC，或者 XML-RPC。

通過以上幾點，我們知道了 REST 和 RPC 之間有很明顯的差異。

**第二個問題：為什么要采用RPC呢？**

那到底為何要使用 RPC，單純的依靠RESTful API不可以嗎？為什么要搞這么多復(fù)雜的協(xié)議，渣渣表示真的學(xué)不過來了。

關(guān)于這一點，以下幾點僅是我的個人猜想，僅供交流哈：

1.  RPC 和 REST 兩者的定位不同，REST 面向資源，更注重接口的規(guī)范，因為要保證通用性更強，所以對外最好通過 REST。而 RPC 面向方法，主要用于函數(shù)方法的調(diào)用，可以適合更復(fù)雜通信需求的場景。
2.  RESTful API客戶端與服務(wù)端之間采用的是同步機制，當(dāng)發(fā)送HTTP請求時，客戶端需要等待服務(wù)端的響應(yīng)。當(dāng)然對于這一點是可以通過一些技術(shù)來實現(xiàn)異步的機制的。
3.  采用RESTful API，客戶端與服務(wù)端之間雖然可以獨立開發(fā)，但還是存在耦合。比如，客戶端在發(fā)送請求的時，必須知道服務(wù)器的地址，且必須保證服務(wù)器正常工作。而 rpc + ralbbimq中間件可以實現(xiàn)低耦合的分布式集群架構(gòu)。

說了這么多，我們該如何選擇這兩者呢？我總結(jié)了如下兩點，供你參考：

*   REST 接口更加規(guī)范，通用適配性要求高，建議對外的接口都統(tǒng)一成 REST（也有例外，比如我接觸過 zabbix，其 API 就是基于 JSON-RPC 2.0協(xié)議的）。而組件內(nèi)部的各個模塊，可以選擇 RPC，一個是不用耗費太多精力去開發(fā)和維護多套的HTTP接口，一個RPC的調(diào)用性能更高（見下條）
*   從性能角度看，由于HTTP本身提供了豐富的狀態(tài)功能與擴展功能，但也正由于HTTP提供的功能過多，導(dǎo)致在網(wǎng)絡(luò)傳輸時，需要攜帶的信息更多，從性能角度上講，較為低效。而RPC服務(wù)網(wǎng)絡(luò)傳輸上僅傳輸與業(yè)務(wù)內(nèi)容相關(guān)的數(shù)據(jù)，傳輸數(shù)據(jù)更小，性能更高。

## 02\. 實現(xiàn)遠程調(diào)用的三種方式

“遠程調(diào)用”意思就是：被調(diào)用方法的具體實現(xiàn)不在程序運行本地，而是在別的某個地方（分布到各個服務(wù)器），調(diào)用者只想要函數(shù)運算的結(jié)果，卻不需要實現(xiàn)函數(shù)的具體細節(jié)。

**01、基于 xml-rpc**

Python實現(xiàn) rpc，可以使用標(biāo)準(zhǔn)庫里的 SimpleXMLRPCServer，它是基于XML-RPC 協(xié)議的。

有了這個模塊，開啟一個 rpc server，就變得相當(dāng)簡單了。執(zhí)行以下代碼:

```
import SimpleXMLRPCServer

class calculate:
    def add(self, x, y):
        return x + y

    def multiply(self, x, y):
        return x * y

    def subtract(self, x, y):
        return abs(x-y)

    def divide(self, x, y):
        return x/y

obj = calculate()
server = SimpleXMLRPCServer.SimpleXMLRPCServer(("localhost", 8088))
# 將實例注冊給rpc server
server.register_instance(obj)

print "Listening on port 8088"
server.serve_forever()
```

有了 rpc server，接下來就是 rpc client，由于我們上面使用的是 XML-RPC，所以 rpc clinet 需要使用xmlrpclib 這個庫。

```
import xmlrpclib

server = xmlrpclib.ServerProxy("http://localhost:8088")
```

然后，我們通過 server_proxy 對象就可以遠程調(diào)用之前的rpc server的函數(shù)了。

```
>> server.add(2, 3)
5
>>> server.multiply(2, 3)
6
>>> server.subtract(2, 3)
1
>>> server.divide(2, 3)
0
```

SimpleXMLRPCServer是一個單線程的服務(wù)器。這意味著，如果幾個客戶端同時發(fā)出多個請求，其它的請求就必須等待第一個請求完成以后才能繼續(xù)。

若非要使用 SimpleXMLRPCServer 實現(xiàn)多線程并發(fā)，其實也不難。只要將代碼改成如下即可。

```
from SimpleXMLRPCServer import SimpleXMLRPCServer
from SocketServer import ThreadingMixIn
class ThreadXMLRPCServer(ThreadingMixIn, SimpleXMLRPCServer):pass

class MyObject:
    def hello(self):
        return "hello xmlprc"

obj = MyObject()
server = ThreadXMLRPCServer(("localhost", 8088), allow_none=True)
server.register_instance(obj)

print "Listening on port 8088"
server.serve_forever()
```

**02、基于json-rpc**

SimpleXMLRPCServer 是基于 xml-rpc 實現(xiàn)的遠程調(diào)用，上面我們也提到 除了 xml-rpc 之外，還有 json-rpc 協(xié)議。

那 python 如何實現(xiàn)基于 json-rpc 協(xié)議呢？

答案是很多，很多web框架其自身都自己實現(xiàn)了json-rpc，但我們要獨立這些框架之外，要尋求一種較為干凈的解決方案，我查找到的選擇有兩種

第一種是 `jsonrpclib`

```
pip install jsonrpclib -i https://pypi.douban.com/simple
```

第二種是 `python-jsonrpc`

```
pip install python-jsonrpc -i https://pypi.douban.com/simple
```

先來看第一種 [jsonrpclib](https://github.com/joshmarshall/jsonrpclib/)

它與 Python 標(biāo)準(zhǔn)庫的 SimpleXMLRPCServer 很類似（因為它的類名就叫做 SimpleJSONRPCServer ，不明真相的人真以為它們是親兄弟）?；蛟S可以說，jsonrpclib 就是仿照 SimpleXMLRPCServer 標(biāo)準(zhǔn)庫來進行編寫的。

它的導(dǎo)入與 SimpleXMLRPCServer 略有不同，因為SimpleJSONRPCServer分布在jsonrpclib庫中。

服務(wù)端

```
from jsonrpclib.SimpleJSONRPCServer import SimpleJSONRPCServer

server = SimpleJSONRPCServer(('localhost', 8080))
server.register_function(lambda x,y: x+y, 'add')
server.serve_forever()
```

客戶端

```
import jsonrpclib

server = jsonrpclib.Server("http://localhost:8080")
```

[圖片上傳中...(image-e0730d-1610601786095-15)]

<figcaption></figcaption>

再來看第二種python-jsonrpc，寫起來貌似有些復(fù)雜。

服務(wù)端

```
import pyjsonrpc

class RequestHandler(pyjsonrpc.HttpRequestHandler):

    @pyjsonrpc.rpcmethod
    def add(self, a, b):
        """Test method"""
        return a + b

http_server = pyjsonrpc.ThreadingHttpServer(
    server_address=('localhost', 8080),
    RequestHandlerClass=RequestHandler
)
print "Starting HTTP server ..."
print "URL: http://localhost:8080"
http_server.serve_forever()
```

客戶端

```
import pyjsonrpc

http_client = pyjsonrpc.HttpClient(
    url="http://localhost:8080/jsonrpc"
)
```

[圖片上傳中...(image-a950f0-1610601786095-14)]

<figcaption></figcaption>

還記得上面我提到過的 zabbix API，因為我有接觸過，所以也拎出來講講。zabbix API 也是基于 json-rpc 2.0協(xié)議實現(xiàn)的。

因為內(nèi)容較多，這里只帶大家打個，zabbix 是如何調(diào)用的：直接指明要調(diào)用 zabbix server 的哪個方法，要傳給這個方法的參數(shù)有哪些。

[圖片上傳中...(image-9bf5a6-1610601786095-13)]

<figcaption></figcaption>

**03、基于 zerorpc**

以上介紹的兩種rpc遠程調(diào)用方式，如果你足夠細心，可以發(fā)現(xiàn)他們都是http+rpc 兩種協(xié)議結(jié)合實現(xiàn)的。

接下來，我們要介紹的這種（[zerorpc](https://github.com/0rpc/zerorpc-python)），就不再使用走 http 了。

[zerorpc](https://github.com/0rpc/zerorpc-python) 這個第三方庫，它是基于TCP協(xié)議、 ZeroMQ 和 MessagePack的，速度相對快，響應(yīng)時間短，并發(fā)高。zerorpc 和 pyjsonrpc 一樣，需要額外安裝，雖然SimpleXMLRPCServer不需要額外安裝，但是SimpleXMLRPCServer性能相對差一些。

```
pip install zerorpc -i https://pypi.douban.com/simple
```

服務(wù)端代碼

```
import zerorpc

class caculate(object):
    def hello(self, name):
        return 'hello, {}'.format(name)

    def add(self, x, y):
        return x + y

    def multiply(self, x, y):
        return x * y

    def subtract(self, x, y):
        return abs(x-y)

    def divide(self, x, y):
        return x/y

s = zerorpc.Server(caculate())

s.bind("tcp://0.0.0.0:4242")
s.run()
```

客戶端

```
import zerorpc

c = zerorpc.Client()
c.connect("tcp://127.0.0.1:4242")
```

[圖片上傳中...(image-47df9-1610601786095-12)]

<figcaption></figcaption>

客戶端除了可以使用zerorpc框架實現(xiàn)代碼調(diào)用之外，它還支持使用“命令行”的方式調(diào)用。

[圖片上傳中...(image-df586b-1610601786095-11)]

<figcaption></figcaption>

客戶端可以使用命令行，那服務(wù)端是不是也可以呢？

是的，通過 Github 上的文檔幾個 demo 可以體驗到這個第三方庫做真的是優(yōu)秀。

比如我們可以用下面這個命令，創(chuàng)建一個rpc server，后面這個 `time` Python 標(biāo)準(zhǔn)庫中的 time 模塊，zerorpc 會將 time 注冊綁定以供client調(diào)用。

```
zerorpc --server --bind tcp://127.0.0.1:1234 time
```

在客戶端，就可以用這條命令來遠程調(diào)用這個 time 函數(shù)。

```
zerorpc --client --connect tcp://127.0.0.1:1234 strftime %Y/%m/%d
```

[圖片上傳中...(image-6cb105-1610601786095-10)]

<figcaption></figcaption>

## 03\. 往rpc中引入消息中間件

經(jīng)過了上面的學(xué)習(xí)，我們已經(jīng)學(xué)會了如何使用多種方式實現(xiàn)rpc遠程調(diào)用。

通過對比，zerorpc 可以說是脫穎而出，一支獨秀。

但為何在 OpenStack 中，rpc client 不直接 rpc 調(diào)用 rpc server ，而是先把 rpc 調(diào)用請求發(fā)給 RabbitMQ ，再由訂閱者（rpc server）來取消息，最終實現(xiàn)遠程調(diào)用呢？

為此，我也做了一番思考：

OpenStack 組件繁多，在一個較大的集群內(nèi)部每個組件內(nèi)部通過rpc通信頻繁，如果都采用rpc直連調(diào)用的方式，連接數(shù)會非常地多，開銷大，若有些 server 是單線程的模式，超時會非常的嚴(yán)重。

OpenStack 是復(fù)雜的分布式集群架構(gòu)，會有多個 rpc server 同時工作，假設(shè)有 server01，server02，server03 三個server，當(dāng) rpc client 要發(fā)出rpc請求時，發(fā)給哪個好呢？這是問題一。

你可能會說輪循或者隨機，這樣對大家都公平。這樣的話還會引出另一個問題，倘若請求剛好發(fā)到server01，而server01剛好不湊巧，可能由于機器或者其他因為導(dǎo)致服務(wù)沒在工作，那這個rpc消息可就直接失敗了呀。要知道做為一個集群，高可用是基本要求，如果出現(xiàn)剛剛那樣的情況其實是很尷尬的。這是問題二。

集群有可能根據(jù)實際需要擴充節(jié)點數(shù)量，如果使用直接調(diào)用，耦合度太高，不利于部署和生產(chǎn)。這是問題三。

引入消息中間件，可以很好的解決這些問題。

**解決問題一**：消息只有一份，接收者由AMQP的負載算法決定，默認(rèn)為在所有Receiver中均勻發(fā)送(round robin)。

**解決問題二**：有了消息中間件做緩沖站，client 可以任性隨意的發(fā)，server 都掛掉了？沒有關(guān)系，等 server 正常工作后，自己來消息中間件取就行了。

**解決問題三**：無論有多少節(jié)點，它們只要認(rèn)識消息中間件這一個中介就足夠了。

## 04\. 消息隊列你應(yīng)該知道什么？

由于后面，我將實例講解 OpenStack 中如何將 rpc 和 mq broker 結(jié)合使用。

而在此之前，你必須對消息隊列的一些基本知識有個概念。

首先，RPC只是定義了一個通信接口，其底層的實現(xiàn)可以各不相同，可以是 socket，也可以是今天要講的 AMQP。

AMQP(Advanced Message Queuing Protocol)是一種基于隊列的可靠消息服務(wù)協(xié)議，作為一種通信協(xié)議，AMQP同樣存在多個實現(xiàn)，如Apache Qpid，RabbitMQ等。

以下是 AMQP 中的幾個必知的概念：

*   Publisher：消息發(fā)布者

*   Receiver：消息接收者，在RabbitMQ中叫訂閱者：Subscriber。

*   Queue：用來保存消息的存儲空間，消息沒有被receiver前，保存在隊列中。

*   Exchange：用來接收Publisher發(fā)出的消息，根據(jù)Routing key 轉(zhuǎn)發(fā)消息到對應(yīng)的Message Queue中，至于轉(zhuǎn)到哪個隊列里，這個路由算法又由exchange type決定的。

    exchange type：主要四種描述exchange的類型。

    direct：消息路由到滿足此條件的隊列中(queue,可以有多個)： routing key = binding key

    topic：消息路由到滿足此條件的隊列中(queue,可以有多個)：routing key 匹配 binding pattern. binding pattern是類似正則表達式的字符串，可以滿足復(fù)雜的路由條件。

    fanout：消息路由到多有綁定到該exchange的隊列中。

*   binding ：binding是用來描述exchange和queue之間的關(guān)系的概念，一個exchang可以綁定多個隊列，這些關(guān)系由binding建立。前面說的binding key /binding pattern也是在binding中給出。

在網(wǎng)上找了個圖，可以很清晰地描述幾個名詞的關(guān)系。

[圖片上傳中...(image-3f97d6-1610601786095-9)]

<figcaption></figcaption>

關(guān)于AMQP，有幾下幾點值得注意：

1.  每個receiver/subscriber 在接收消息前都需要創(chuàng)建binding。
2.  一個隊列可以有多個receiver，隊列里的一個消息只能發(fā)給一個receiver。
3.  一個消息可以被發(fā)送到一個隊列中，也可以被發(fā)送到多個多列中。多隊列情況下，一個消息可以被多個receiver收到并處理。Openstack RPC中這兩種情況都會用到。

## 05\. OpenStack中如何使用RPC？

前面鋪墊了那么久，終于到了講真實應(yīng)用的場景。在生產(chǎn)中RPC是如何應(yīng)用的呢？

其他模型我不太清楚，在 OpenStack 中的應(yīng)用模型是這樣的

[圖片上傳中...(image-ecd481-1610601786095-8)]

<figcaption></figcaption>

至于為什么要如此設(shè)計，前面我已經(jīng)給出了自己的觀點。

接下來，就是源碼解讀 OpenStack ，看看其是如何通過rpc進行遠程調(diào)用的。如若你對此沒有興趣（我知道很多人對此都沒有興趣，所以不浪費大家時間），可以直接跳過這一節(jié)，進入下一節(jié)。

目前Openstack中有兩種RPC實現(xiàn)，一種是在oslo messaging,一種是在openstack.common.rpc。

openstack.common.rpc是舊的實現(xiàn)，oslo messaging是對openstack.common.rpc的重構(gòu)。openstack.common.rpc在每個項目中都存在一份拷貝，oslo messaging即將這些公共代碼抽取出來，形成一個新的項目。oslo messaging也對RPC API 進行了重新設(shè)計，對多種 transport 做了進一步封裝，底層也是用到了kombu這個AMQP庫。（注：Kombu 是Python中的messaging庫。Kombu旨在通過為AMQ協(xié)議提供慣用的高級接口，使Python中的消息傳遞盡可能簡單，并為常見的消息傳遞問題提供經(jīng)過驗證和測試的解決方案。）

關(guān)于oslo_messaging庫，主要提供了兩種獨立的API:

1.  oslo.messaging.rpc(實現(xiàn)了客戶端-服務(wù)器遠程過程調(diào)用）
2.  oslo.messaging.notify（實現(xiàn)了事件的通知機制）

因為 notify 實現(xiàn)是太簡單了，所以這里我就不多說了，如果有人想要看這方面內(nèi)容，可以收藏我的博客([python-online.cn](http://python-online.cn)) ，我會更新補充 notify 的內(nèi)容。

OpenStack RPC 模塊提供了 rpc.call，rpc.cast, rpc.fanout_cast 三種 RPC 調(diào)用方法，發(fā)送和接收 RPC 請求。

*   rpc.call 發(fā)送 RPC **同步請求**并返回請求處理結(jié)果。
*   rpc.cast 發(fā)送 RPC **異步請求**，與 rpc.call 不同之處在于，不需要請求處理結(jié)果的返回。
*   rpc.fanout_cast 用于發(fā)送 RPC 廣播信息無返回結(jié)果

rpc.call 和 rpc.rpc.cast 從實現(xiàn)代碼上看，他們的區(qū)別很小，就是call調(diào)用時候會帶有wait_for_reply=True參數(shù)，而cast不帶。

要了解 rpc 的調(diào)用機制呢，首先要知道 oslo_messaging 的幾個概念

*   transport：RPC功能的底層實現(xiàn)方法，這里是rabbitmq的消息隊列的訪問路徑

    transport 就是定義你如何訪連接消息中間件，比如你使用的是 Rabbitmq，那在 nova.conf中應(yīng)該有一行`transport_url`的配置，可以很清楚地看出指定了 rabbitmq 為消息中間件，并配置了連接rabbitmq的user，passwd，主機，端口。

    ```
    transport_url=rabbit://user:passwd@host:5672
    ```

    [圖片上傳中...(image-cefa55-1610601786090-6)]

    <figcaption></figcaption>

    ```
    def get_transport(conf, url=None, allowed_remote_exmods=None):
        return _get_transport(conf, url, allowed_remote_exmods,
                              transport_cls=RPCTransport)
    ```

*   target：指定RPC topic交換機的匹配信息和綁定主機。

    target用來表述 RPC 服務(wù)器監(jiān)聽topic，server名稱和server監(jiān)聽的exchange，是否廣播fanout。

    ```
    class Target(object):
            def __init__(self, exchange=None, topic=None, namespace=None,
                     version=None, server=None, fanout=None,
                     legacy_namespaces=None):
            self.exchange = exchange
            self.topic = topic
            self.namespace = namespace
            self.version = version
            self.server = server
            self.fanout = fanout
            self.accepted_namespaces = [namespace] + (legacy_namespaces or [])
    ```

    rpc server 要獲取消息，需要定義target，就像一個門牌號一樣。

    [圖片上傳中...(image-dbec91-1610601786090-5)]

    <figcaption></figcaption>

    rpc client 要發(fā)送消息，也需要有target，說明消息要發(fā)到哪去。

    [圖片上傳中...(image-c46d56-1610601786090-4)]

    <figcaption></figcaption>

*   endpoints：是可供別人遠程調(diào)用的對象

    RPC服務(wù)器暴露出endpoint，每個 endpoint 包涵一系列的可被遠程客戶端通過 transport 調(diào)用的方法。直觀理解，可以參考nova-conductor創(chuàng)建rpc server的代碼，這邊的endpoints就是 `nova/manager.py:ConductorManager()`

    [圖片上傳中...(image-80ed4a-1610601786090-3)]

    <figcaption></figcaption>

*   dispatcher：分發(fā)器，這是 rpc server 才有的概念

    [圖片上傳中...(image-78c3ac-1610601786089-2)]

    <figcaption></figcaption>

    只有通過它 server 端才知道接收到的rpc請求，要交給誰處理，怎么處理？

    在client端，是這樣指定要調(diào)用哪個方法的。

    [圖片上傳中...(image-ca81ed-1610601786089-1)]

    <figcaption></figcaption>

    而在server端，是如何知道要執(zhí)行這個方法的呢？這就是dispatcher 要干的事，它從 endpoint 里找到這個方法，然后執(zhí)行，最后返回。

    [圖片上傳中...(image-9c965e-1610601786089-0)]

    <figcaption></figcaption>

*   Serializer：在 python 對象和message(notification) 之間數(shù)據(jù)做序列化或是反序列化的基類。

    主要方法有四個：

    1.  deserialize_context(ctxt) ：對字典變成 request contenxt.
    2.  deserialize_entity(ctxt, entity) ：對entity做反序列化，其中ctxt是已經(jīng)deserialize過的，entity是要處理的。
    3.  serialize_context(ctxt) ：將Request context變成字典類型
    4.  serialize_entity(ctxt, entity) ：對entity做序列化，其中ctxt是已經(jīng)deserialize過的，entity是要處理的。
*   executor：服務(wù)的運行方式，單線程或者多線程

    每個notification listener都和一個executor綁定，來控制收到的notification如何分配。默認(rèn)情況下，使用的是blocking executor(具體特性參加executor一節(jié)）

    ```
    oslo_messaging.get_notification_listener(transport, targets, endpoints, executor=’blocking’, serializer=None, allow_requeue=False, pool=None)
    ```

rpc server 和rpc client 的四個重要方法

1.  `reset()`：Reset service.
2.  `start()`：該方法調(diào)用后，server開始poll,從transport中接收message,然后轉(zhuǎn)發(fā)給dispatcher.該message處理過程一直進行，直到stop方法被調(diào)用。executor決定server的IO處理策略。可能會是用一個新進程、新協(xié)程來做poll操作，或是直接簡單的在一個循環(huán)中注冊一個回調(diào)。同樣，executor也決定分配message的方式，是在一個新線程中dispatch或是..... *
3.  `stop()`:當(dāng)調(diào)用stop之后，新的message不會被處理。但是，server可能還在處理一些之前沒有處理完的message,并且底層driver資源也還一直沒有釋放。
4.  `wait()`：在stop調(diào)用之后，可能還有message正在被處理，使用wait方法來阻塞當(dāng)前進程，直到所有的message都處理完成。之后，底層的driver資源會釋放。

## 06\. 模仿OpenStack寫rpc調(diào)用

模仿是一種很高效的學(xué)習(xí)方法，我這里根據(jù) OpenStack 的調(diào)用方式，抽取出核心內(nèi)容，寫成一個簡單的 demo，有對 OpenStack 感興趣的可以了解一下，**大部分人也可以直接跳過這章節(jié)**。

以下代碼不能直接運行，你還需要配置 rabbitmq 的連接方式，你可以寫在配置文件中，通過 get_transport 從cfg.CONF 中讀取，也可以直接將其寫成url的格式做成參數(shù)，傳給 get_transport 。

**簡單的 rpc client**

```
#coding=utf-8
import oslo_messaging
from oslo_config import cfg

# 創(chuàng)建 rpc client
transport = oslo_messaging.get_transport(cfg.CONF, url="")
target = oslo_messaging.Target(topic='test', version='2.0')
client = oslo_messaging.RPCClient(transport, target)

# rpc同步調(diào)用
client.call(ctxt, 'test', arg=arg)
```

**簡單的 rpc server**

```
#coding=utf-8
from oslo_config import cfg
import oslo_messaging
import time

# 定義endpoint類
class ServerControlEndpoint(object):
    target = oslo_messaging.Target(namespace='control',
                                   version='2.0')

    def __init__(self, server):
        self.server = server

    def stop(self, ctx):
        if self.server:
            self.server.stop()

class TestEndpoint(object):

    def test(self, ctx, arg):
        return arg

# 創(chuàng)建rpc server
transport = oslo_messaging.get_transport(cfg.CONF, url="")
target = oslo_messaging.Target(topic='test', server='server1')
endpoints = [
    ServerControlEndpoint(None),
    TestEndpoint(),
]
server = oslo_messaging.get_rpc_server(transport, target,endpoints,executor='blocking')
try:
    server.start()
    while True:
        time.sleep(1)
except KeyboardInterrupt:
    print("Stopping server")

server.stop()
server.wait()
```

上述內(nèi)容就是RPC遠程調(diào)用該如何理解，你們學(xué)到知識或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識儲備，歡迎關(guān)注億速云行業(yè)資訊頻道。