RPC简介

• RPC是什么

  Remote Procedure Call，远程过程调用。

  首先来说本地方法调用，假设在main方法中调用一个本地的方法multiply（同一个进程内的方法调用）。无非是做了内存寻址和一些堆栈操作。

  而假设main方法和multiply方法不在同一个进程中，两者则通过RPC的方式进行调用（通信）。由于是跨网络通信，需要考虑将方法调用和参数，如何变成网络上可传输的二进制流（涉及到参数和结果的序列化，反序列化，socket网络编程等细节）。而这就是RPC框架的意义，它帮助开发人员，屏蔽了网络编程和网络传输的细节，让开发人员像调用本地方法一样，调用远程方法。

  需要注意，RPC并不是一种具体的技术框架，而是一种技术思想。

  广义上讲，任何通过网络，远程调用另一个进程中的方法的技术，都可以称为RPC。

  RPC并不是一个新的概念，也不是和微服务同一个时代的概念。

  在微服务之前，就有很多可以称之为RPC的技术理念。比如RMI，WebService。

  • RMI

    Remote Method Invocation。比较古老。是EJB的通信基础，是实现RPC的一套Java Api，依赖JVM，所以仅支持Java应用之间的方法调用，不能实现跨语言调用。

    

  • WebService

    跨语言，跨平台。因为WebService底层依赖的是HTTP和XML，这两者都是语言无关的。

    

• RPC有哪些具体的例子

  随着时代的发展，越来越多优秀的RPC框架进入我们的视野，如

  • gRPC：谷歌开源的高性能RPC框架。基于HTTP2协议，以protobuf作为序列化协议。使得其具有很好的跨平台特性。
  • dubbo：阿里开源的RPC框架，已捐赠给Apache
  • Finagle：twitter的RPC框架
  • Thrift：Facebook的RPC框架
  • Tars：腾讯的RPC框架

• 引入RPC后会给项目带来什么

  当我们引入RPC框架，并对整体系统进行了微服务化的拆分。会导致：

  • 提升系统的扩展性（优点）

  • 提升了系统的可维护性（优点）

  • 系统变得复杂（缺点）

    引入新的组件，导致在调试代码，维护系统时会变得更加复杂

  • 跨网络调用可能会增加性能开销（缺点）

  所以，引入RPC框架对系统进行微服务化的拆分时，一定要综合扩展性，维护性，复杂度，成本，性能等多方面的考虑。需要慎之又慎。

RPC基本原理

RPC主要是为了解决服务的远程调用问题，即客户端和服务器之间的通信问题。当设计一款RPC框架时，主要有如下几个方面需要考虑

• 通信协议
• 序列化
• IO模型

RPC调用的通信过程是怎样的？

1. 首先，客户端和服务端需要约定一种通信协议，按照此种协议来组织数据
2. 在组装数据时，需要将数据序列化为二进制流，以便在网络上进行传输
3. 随后，客户端组织好方法名和参数等数据，将二进制流通过网络进行发送
4. 服务端接收到数据后，按照通信协议解析数据，并把二进制流反序列化为方法名和参数
5. 服务端执行业务逻辑，得到结果后，将结果以同样的方式，返回给客户端

这样就完成了一次RPC通信

通信协议

需要注意处理TCP粘包的问题。解决方案通常有

• 发送和接收定长的数据（会浪费网络带宽）
• 在数据包中额外携带长度信息（需要一个固定的空间来传输长度信息）
• 使用特定的magic number作为数据的分界（无法判断某个数据包是否传输完）

通常使用第2种方式，或者第2和第3种结合的方式，来设计通信协议。

序列化

序列化，是将数据和二进制流进行相互转换的方式。

每次RPC调用，都会涉及到2次序列化和2次反序列化的过程（共4次）。

所以，选择序列化方式时需要注意，要避免让序列化成为整个RPC通信的性能瓶颈。在选择序列化方式时，需要关注：

• 性能

  （反）序列化执行的耗时

• 序列化后的包的大小

  因为网络带宽是一定的，选择压缩比较高的序列化方式，可以减少高并发下RPC通信对带宽的占用

• 可读性

  类似json，xml，是可读性较强的序列化方式，它们序列化后的结果都是文本。良好的可读性，主要是便于调试和问题排查。

需要在这3者之间做取舍和权衡。

常见的序列化方式

• java serializable（不能跨语言）
• json，xml（可读性较好，通用性高，但体积较大）
• hessian，protobuf，thrift（二进制的序列化，性能高，序列化后的包体积小）

IO模型

常见的IO模型，如下

• 阻塞IO
• 非阻塞IO
• 多路复用IO（对应Java的NIO）
• 信号驱动IO
• 异步IO（Java的AIO）

通常使用较多的是多路复用IO。异步IO还不够成熟

服务治理

目前业界开源的RPC框架中，更多的都是属于服务框架，而不是单纯的RPC框架。

服务框架和RPC框架的区别在于：RPC框架只是简单的解决通信问题，而服务框架，除了解决通信问题，还需要解决服务管理的问题。

所以我们需要了解，服务治理需要解决什么问题，以及它是如何解决的。

服务治理有哪些方面？

• 服务注册与发现
• 服务追踪（分布式追踪）
• 配置管理
• 服务熔断，降级，分流
• 服务负载均衡
• 服务监控

注册中心

过程

• 服务启动时向注册中心注册服务节点地址
• 客户端从注册中心获取服务的地址列表
• 有新的服务注册上来后，客户端可以得到通知
• 有服务出现故障或者关闭时，客户端也可以得到通知
• 服务节点间隔固定时间向注册中心发送心跳，表明健康状况

优点

• 客户端无需重启就能感知服务节点的动态变化
• 可以通过为服务节点增加权重，来辅助负载均衡

选型

• 分布式一致性协调系统

  zookeeper，etcd，consul

  可以当作注册中心使用，但可能功能不是很齐全，比如无法对服务做健康检测

• 开源的，专门的注册中心

  nacos（阿里开源），eureka（springCloud），vintage（微博使用）

  功能比较完善

服务追踪

分布式追踪系统，主要是用于解决分布式环境下的问题排查的问题。

当我们把一个系统，拆成多个微服务之后，一次来自客户端的请求，可能会引发微服务之间的十几次，甚至几十次请求，才能得到最终的结果。

比如系统的响应时间变慢了，或者系统出了一些问题，那么我们需要知道是具体哪个微服务导致的，这就需要对整个调用链进行追踪。

分布式追踪的基本原理是：

• 一次来自客户端的调用，对应一个唯一的traceId，用这个traceId来标识整个完整的调用链路

• 用另外一个spanId来标识一次微服务的调用。通过spanId来标识微服务之间的层级关系。

  比如微服务A被调用，产生一个spanId为2，A又调用了另外2个微服务B和C，产生的spanId分别为2.1和2.2。这样就能清晰的知道微服务之间调用的层级关系

• 对这些调用日志进行收集，进行简单的聚合操作后， 写入到NoSQL数据库中

• 使用traceId就可以从NoSQL数据库中跟踪整个请求的链路，并得到各个链路的耗时

注意：由于一次客户端调用会导致很多次的微服务之间的调用，所以调用日志的量是巨大的。我们可以在收集调用日志后，进行一些简单的聚合操作，来减少日志量，或者通过采样的方式，只采样1%的调用日志。

配置管理

项目所使用的一些配置文件的管理。

将配置做成文件，这样是静态的配置。将配置放到一个服务上，这样可以实现动态的配置管理和更新。

配置主要分为两种：

• 静态配置：比较固定的，不会经常发生变动的配置。比如数据库地址
• 动态配置之：可能会经常发生变动的配置。比如超时时间。

静态配置通常放在项目的配置文件中即可，而动态的配置则通常放到配置服务中。

选型

1. zookeeper，etcd，consul
2. apollo（携程），diamond（淘宝），disconf（百度），都是以mysql为存储
3. vintage（微博），以redis为存储

服务容错

一个系统拆成了多个服务。原本只有1个可能出现问题的点，现在变成了多个。

当系统出现未知问题，或者系统流量超出极限时，要如何应对？常见方式如下

• 熔断：当下游服务不可用时，暂时屏蔽下游服务，以保障整体服务可用的方法
• 降级：当流量激增时，对于某些页面或者服务，暂时屏蔽，以减轻服务器压力的方法
• 限流：限制瞬时大流量以保护整体服务的方法

选型

• hystrix
• sentinel（阿里）
• dubbo

负载均衡

为了应对大流量，通常对于一个服务会部署多台节点。那么此时就需要将流量分配到多个服务节点。

常见负载均衡算法

• 一致性哈希
• 随机
• 轮询（加权轮询）
• 最少连接（选择当前连接数最少的节点）

服务监控

从运维上对服务进行监控。

通常关注2个方面：需要监控什么？怎么监控？

服务监控的指标：

• 请求量：接口请求量，缓存请求量，数据库请求量
• 响应时间：接口响应时间，缓存响应时间
• 错误率：调用第三方服务错误率

监控系统构成

• 数据采集：flume，filebeat
• 数据处理：storm，spark
• 数据存储：mysql，hbase，influxDB
• 数据展示：grafana

RPC实例分析

以dubbo为例，进行分析

• dubbo的微内核架构是如何设计的
• dubbo是如何调用服务的
• dubbo内嵌的服务治理策略是怎样的

dubbo介绍

• dubbot是一款高性能的服务框架
• 在2021年由阿里开源
• 2018年，阿里将dubbo捐赠给Apache
• 借鉴dubbo的RPC框架还有dubbox（当当），motan（微博）

dubbo架构特点

• 微内核+扩展点架构
• 微内核负责组装扩展点，实现整体逻辑
• 扩展点可以让功能点被用户自定义实现

dubbo的扩展点是通过SPI（Service Provider Interface）机制实现的（借鉴了JDK的SPI机制）。dubbo会从以下目录加载实现类

• META-INF/services/*
• META-INF/dubbo/*
• META-INF/dubbo/internal/*

格式：key=实现类的全限定名

在代码中即可通过这个key来加载某个接口的某个特定的实现类

dubbo的服务调用

略