前言
在如何給老婆解釋什麼是RPC中,我們討論了RPC的實現思路。
那麼這一次,就讓我們通過代碼來實現一個簡單的RPC吧!
RPC的實現原理
正如上一講所說,RPC主要是爲了解決的兩個問題:
- 解決分佈式系統中,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。
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。
現在系統變成分佈式了,CalculatorImpl和調用方不在同一個地址空間,那麼就必須要進行遠程過程調用:
那麼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:
- 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,內部並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,因此稱之爲Stub;
- Stub怎麼和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,你也可以用基於Http協議的HttpClient,或者其他通訊工具類,都可以,RPC並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,然後將請求數據發給Service B。需要注意的是,由於底層的網絡通訊是基於二進制格式的,因此這裏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對象裏頭(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),然後序列化爲二進制,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,那麼自然要進行反序列化了,將二進制的數據反序列化爲請求對象,然後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,這裏的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麼,然後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,那這裏肯定用到了反射。
- 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,怎麼發?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。
把理論變成實踐
首先是Client端的應用層怎麼發起RPC,ComsumerApp: ```java 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:本文的示例代碼,可到Github下載。
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。
分佈式應用下,一個服務可能有多個實例,比如Service B,可能有ip地址爲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。在分佈式應用下,通常會有一個服務註冊中心,來提供查詢實例列表的功能。
查到實例列表之後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。
由於我們這裏只是想實現一個簡單的RPC,所以暫時不考慮服務註冊中心和負載均衡,因此代碼裏寫死了返回ip地址爲127.0.0.1。
代碼繼續往下走,我們這裏用到了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。
最後再來看看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,接着就是反序列化請求->執行->序列化執行結果,最後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,是因爲這個實現確實比較挫,在下一小節會說它爲什麼挫。
說它詳細,是因爲它一步一步的演示了一個RPC的執行流程,方便大家瞭解RPC的內部機制。
爲什麼說這個RPC實現很挫
這個RPC實現只是爲了給大家演示一下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註解,那麼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,然後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,也就是先不採用依賴注入,但是我們要做到像Dubbo一樣,無需自己手動寫代理對象,怎麼做呢?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對象裏面,發給Server端,Server端解析之後就知道你要調用的是哪個RPC接口、以及入參是什麼類型、入參的值又是什麼,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後,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接口時都去開啓一個Socket建立連接吧?是不是可以保持若干個長連接,然後每次有rpc請求時,把請求放到任務隊列中,然後由線程池去消費執行?只是一個思路,後續可以參考一下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、服務註冊中心
正如之前提到的,要調用服務,首先你需要一個服務註冊中心,告訴你對方服務都有哪些實例。Dubbo的服務註冊中心是可以配置的,官方推薦使用Zookeeper。如果使用Zookeeper的話,要怎樣往上面註冊實例,又要怎樣獲取實例,這些都是要實現的。
6、負載均衡
如何從多個實例裏挑選一個出來,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,舊的接口怎麼辦?
9、異步調用
客戶端調用完接口之後,不想等待服務端返回,想去幹點別的事,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,怎麼辦?
…
諸如此類的優化點還有很多,這也是爲什麼實現一個高性能高可用的RPC框架那麼難的原因。
當然,我們現在已經有很多很不錯的RPC框架可以參考了,我們完全可以借鑑一下前人的智慧。
後面如果有(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
- 一本很棒的分佈式書籍:《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