零、如何实现一个轻量级RPC框架？

零实现一个轻量级 RPC 框架-系列文章
Github: https://github.com/DongZhouGu/XRpc

什么是 RPC?

RPC，即 Remote Procedure Call（远程过程调用）, 在计算机科学中已经存在了超过四十年时间，由于微服务风潮带来的热度，RPC 技术如今依旧被开发人员关注。RPC 出现的最初目的，就是为了让计算机能够跟调用本地方法一样去调用远程方法。RPC 可基于 HTTP 或 TCP 协议，Web Service 就是基于 HTTP 协议的 RPC，它具有良好的跨平台性，但其性能却不如基于 TCP 协议的 RPC。

为什么需要 RPC?

单一应用下，逻辑简单，用户较少，流量不大，所有的服务都在单体下，这种情况下并不需要 RPC。
当我们的系统访问量增大、业务增多时，我们会发现一台单机运行此系统已经无法承受。此时，我们可以将业务拆分成几个互不关联的应用，分别部署在各自机器上，以划清逻辑并减小压力。此时，我们也可以不需要 RPC，因为应用之间是互不关联的。
发现一些公共的业务逻辑需要抽离出来，组成独立的 service 应用部署在一些机器上，其他的服务都与 service 应用交互，这时，就需要高效的应用间的通讯手段来完成远程服务调用。

构建一个 RPC 需要什么？

三方面会直接影响 RPC 的性能，一是传输方式，二是序列化，三是 IO。

TCP 是传输层协议，HTTP 是应用层协议，而传输层较应用层更加底层，在数据传输方面，越底层越快，HTTP 还封装了冗余的头部信息，因此，在一般情况下，TCP 一定比 HTTP 快。
就序列化而言，Java 提供了默认的序列化方式，但在高并发的情况下，这种方式将会带来一些性能上的瓶颈，于是市面上出现了一系列优秀的序列化框架，比如：Protobuf、Kryo、Hessian、Jackson 等，它们可以取代 Java 默认的序列化，从而提供更高效的性能。
为了支持高并发，传统的阻塞式 IO 显然不太合适，因此我们需要异步的 IO，即 NIO。Java 提供了 NIO 的解决方案，但实现繁琐，相比之下，Netty 作为一个高性能、可拓展的异步事件驱动的通信框架，大大简化了网络编程。

同时，我们在调用远程服务时，如何知道远程服务到底在分布式下的哪一台机器上呢？因此，我们还需要服务注册与发现功能，让客户端来自动发现当前可用的服务，并调用这些服务。这需要一种服务注册表（Service Registry）的组件，让它来注册分布式环境下所有的服务地址（包括：主机名与端口号）。

RPC 的调用流程

在一次 RPC 调用过程中

客户端远程调用服务时，使用动态代理，对调用过程增强‘
客户端首先会将调用的类名、方法名、参数名、参数值等信息，序列化成二进制流；
然后客户端将二进制流，通过网络（注册中心拿到服务端地址）发送给服务端；
服务端接收到二进制流之后，将它反序列化，得到需要调用的类名、方法名、参数名和参数值，再通过反射方式，调用对应的方法得到返回值；
服务端将返回值序列化，再通过网络发送给客户端；
客户端对结果反序列化之后，就可以得到调用的结果了。

常用的的 RPC 框架

目前常用的 RPC 框架如下：

Thrift：thrift 是一个软件框架，用来进行可扩展且跨语言的服务的开发。它结合了功能强大的软件堆栈和代码生成引擎，以构建在 C++, Java, Python, PHP, Ruby, Erlang, Perl, Haskell, C#, Cocoa, JavaScript, Node.js, Smalltalk, and OCaml 这些编程语言间无缝结合的、高效的服务。
*gRPC: * 一开始由 google 开发，是一款语言中立、平台中立、开源的远程过程调用(RPC)系统，采用 HTTP2 协议和 ProtoBuf。
Dubbo：Dubbo 是一个分布式服务框架，以及 SOA 治理方案。其功能主要包括：高性能 NIO 通讯及多协议集成，服务动态寻址与路由，软负载均衡与容错，依赖分析与降级等。 Dubbo 是阿里巴巴内部的 SOA 服务化治理方案的核心框架，Dubbo 自 2011 年开源后，已被许多非阿里系公司使用。
Spring Cloud： 基于 Spring Boot，基于 HTTP 协议的 REST 接口调用，为微服务体系开发中的架构问题，提供了一整套的解决方案——服务注册与发现，服务消费，服务保护与熔断，网关，分布式调用追踪，分布式配置管理等。

Dubbo 使用案例

官网：https://dubbo.apache.org/zh/docs/quick-start/

服务提供者（Provider) : 暴露服务的服务提供方，服务提供者在启动时，向注册中心注册自己提供的服务。
服务消费者(Consumer) : 调用远程服务的服务消费方，服务消费者在启动时，向注册中心订阅自己所需的服务，服务消费者，从提供者地址列表中，基于软负载均衡算法，选一台提供者进行调用，如果调用失败，再选另一台调用。
注册中心(Registry) : 注册中心返回服务提供者地址列表给消费者，如果有变更，注册中心将基于长连接推送变更数据给消费者
监控中心(Monitor) : 服务消费者和提供者，在内存中累计调用次数和调用时间，定时每分钟发送一次统计数据到监控中心

定义服务接口

DemoService.java

package org.apache.dubbo.samples.basic.api;

 public interface DemoService {
     String sayHello(String name);
 }

在服务提供方实现接口

DemoServiceImpl.java

public class DemoServiceImpl implements DemoService {
     @Override
     public String sayHello(String name) {
         System.out.println("[" + new SimpleDateFormat("HH:mm:ss").format(new Date()) + "] Hello " + name +
                 ", request from consumer: " + RpcContext.getContext().getRemoteAddress());
         return "Hello " + name + ", response from provider: " + RpcContext.getContext().getLocalAddress();
     }
 }

服务消费者

引用远程服务

consumer.xml：

1	<dubbo:reference id="demoService" check="true" interface="org.apache.dubbo.samples.basic.api.DemoService"/>

加载 Spring 配置，并调用远程服务

Consumer.java

public static void main(String[] args) {
     ...
     DemoService demoService = (DemoService) context.getBean("demoService");
     String hello = demoService.sayHello("world");
     System.out.println(hello);
 }

可以发现，我们需要抽取公共的 service-api，在 Provider 也就是 RPC Server 提供方具体实现，在 Consumer 也就是 RPC Client 中直接调用，此时的 demoService 已经是被代理过的对象，当调用 demoService.sayHello(“world”)时，会去注册中心拿到 RPC Server 的 IP+Port，然后通过网络通信去 RPC Server 拿到方法调用的结果。

所以我们该如何实现 RPC?

根据上面的介绍，我们已经大概了解 RPC 是什么以及 RPC 中涉及到的点。下面我们通过一些问题来考虑我们从零实现一个 RPC 框架到底需要做些什么。

1. 如何获取可用的远程服务器

换句话说，也就是服务注册与发现，可以使用 Zookeeper 作为注册中心， ZooKeeper 将数据保存在内存中，性能很高。在读多写少的场景中尤其适用，因为写操作会导致所有的服务器间同步状态。服务注册与发现是典型的读多写少的协调服务场景。 Zookeeper 是一个典型的 CP 系统，在服务选举或者集群半数机器宕机时是不可用状态，相对于服务发现中主流的 AP 系统来说，可用性稍低。除此之外，还可以使用 Nacos、Consul、Eureka、Redis 等，需要提供切换及用户自定义注册中心的功能。

2. 如何表示数据

也就是序列化、反序列化。在网络中，所有的数据都将会被转化为字节进行传送，所以为了能够使参数对象在网络中进行传输，需要对这些参数进行序列化和反序列化操作。
序列化：把对象转换为字节序列的过程称为对象的序列化，也就是编码的过程。
反序列化：把字节序列恢复为对象的过程称为对象的反序列化，也就是解码的过程。
目前比较高效的开源序列化框架：如 Kryo、Hessian、FastJson 和 Protobuf 等，需要提供切换及用户自定义序列化算法的功能。