简介

• 在单体式应用中，各个模块之间的调用是通过编程语言级别的方法或者函数来实现的。
• 但是一个基于微服务的分布式应用是运行在多台机器上的。一般来说，每个服务实例都是一个进程。
• 基于微服务的应用程序是在多个进程或服务上运行的分布式系统，通常甚至跨多个服务器或主机。 每个服务实例通常是一个进程。
•  因此，微服务必须使用进程内通信协议（如 HTTP、AMQP）或二进制协议（如 TCP）进行交互，具体取决于每个服务的性质。

交互模式

当为某一个服务选择IPC（Inter-Process Communication，进程间通信）时，首先需要考虑服务之间如何交互。客户端和服务器之间有很多的交互模式，我们可以从两个维度进行归类。

第一个维度是一对一还是一对多：

• 一对一：每个客户端请求有一个服务实例来响应。
• 一对多：每个客户端请求有多个服务实例来响应

第二个维度是这些交互式同步还是异步：

• 同步模式：客户端请求需要服务端即时响应，甚至可能由于等待而阻塞。
• 异步模式：客户端请求不会阻塞进程，服务端的响应可以是非即时的。

下表显示了不同交互模式：

一对一的交互模式有以下几种方式：

• 请求/响应：一个客户端向服务器端发起请求，等待响应。客户端期望此响应即时到达。在一个基于线程的应用中，等待过程可能造成线程阻塞。
• 通知（也就是常说的单向请求）：一个客户端请求发送到服务端，但是并不期望服务端响应。
• 请求/异步响应：客户端发送请求到服务端，服务端异步响应请求。客户端不会阻塞，而且被设计成默认响应不会立刻到达。

一对多的交互模式有以下几种方式：

• 发布/ 订阅模式：客户端发布通知消息，被零个或者多个感兴趣的服务消费。

• 发布/异步响应模式：客户端发布请求消息，然后等待从感兴趣服务发回的响应。

 

异步的，基于消息通信

 

使用消息机制有很多优点：

• 解耦客户端和服务端：客户端只需要将消息发送到正确的channel。客户端完全不需要了解具体的服务实例，更不需要一个发现机制来确定服务实例的位置。

• Message Buffering：在一个同步请求/响应协议中，例如HTTP，所有的客户端和服务端必须在交互期间保持可用。而在消息模式中，消息broker将所有写入channel的消息按照队列方式管理，直到被消费者处理。也就是说，在线商店可以接受客户订单，即使下单系统很慢或者不可用，只要保持下单消息进入队列就好了。

• 弹性客户端-服务端交互：消息机制支持以上说的所有交互模式。

• 直接进程间通信：基于RPC机制，试图唤醒远程服务看起来跟唤醒本地服务一样。然而，因为物理定律和部分失败可能性，他们实际上非常不同。消息使得这些不同非常明确，开发者不会出现问题。

消息机制也有自己的缺点：

• 额外的操作复杂性：消息系统需要单独安装、配置和部署。消息broker（代理）必须高可用，否则系统可靠性将会受到影响。

• 实现基于请求/响应交互模式的复杂性：请求/响应交互模式需要完成额外的工作。每个请求消息必须包含一个回复渠道ID和相关ID。服务端发送一个包含相关ID的响应消息到channel中，使用相关ID来将响应对应到发出请求的客户端。也许这个时候，使用一个直接支持请求/响应的IPC机制会更容易些。
 

同步的，基于请求/响应的IPC

很多开发者都表示他们基于HTTP的API是RESTful的。但是，如同Fielding在他的博客中所说，这些API可能并不都是RESTful的。Leonard Richardson为REST定义了一个成熟度模型，具体包含以下4个层次（摘自IBM）：

• 第一个层次（Level 0）的 Web 服务只是使用 HTTP 作为传输方式，实际上只是远程方法调用（RPC）的一种具体形式。SOAP 和 XML-RPC 都属于此类。
• 第二个层次（Level 1）的 Web 服务引入了资源的概念。每个资源有对应的标识符和表达。
• 第三个层次（Level 2）的 Web 服务使用不同的 HTTP 方法来进行不同的操作，并且使用 HTTP 状态码来表示不同的结果。如 HTTP GET 方法来获取资源，HTTP DELETE 方法来删除资源。
• 第四个层次（Level 3）的 Web 服务使用 HATEOAS。在资源的表达中包含了链接信息。客户端可以根据链接来发现可以执行的动作。

HTTP的协议好处：

• HTTP非常简单并且大家都很熟悉。
• 可以使用浏览器扩展（比如Postman）或者curl之类的命令行来测试API。
• 内置支持请求/响应模式的通信。
• HTTP对防火墙友好的。
• 不需要中间代理，简化了系统架构。

HTTP的协议不足：

• 只支持请求/响应模式交互。可以使用HTTP通知，但是服务端必须一直发送HTTP响应才行。
• 因为客户端和服务端直接通信（没有代理或者buffer机制），在交互期间必须都在线。
• 客户端必须知道每个服务实例的URL。客户端必须使用服务实例发现机制。

 

RPC

提到RPC（Remote Procedure Call），就躲不开提到分布式，这个促使RPC诞生的领域。

 

假设你有一个Calculator，以及它的实现类CalculatorImpl，那么单体应用时，要调用Calculator的add方法来执行一个加运算，你可以方法中直接使用，因为在同一个地址空间，或者说在同一块内存，这个称为本地函数调用。

 

 

现在，将系统改造为分布式应用，接口调用和实现分别在两个子系统内，

服务A里头并没有CalculatorImpl这个类，那它要怎样调用服务B的CalculatorImpl的add方法呢？可以模仿B/S架构的调用方式，在B服务暴露一个Restful接口，然后A服务通过调用这个Restful接口来间接调用CalculatorImpl的add方法。

 

这样，已经很接近RPC了，不过，像这种每次调用时，是不是都需要写一串发起http请求的代码呢？比如httpClient.sendRequest...之类的，能不能简单一下，像本地方法调用一样，去发起远程调用，让使用者感知不到远程调用的过程。

 

屏蔽的工作，可以使用代理模式解决，生成一个代理对象，而这个代理对象的内部，就是通过httpClient来实现RPC远程过程调用的。

这就是很多RPC框架要解决的问题和解决的思路，比如阿里的Dubbo。

 

总结一下，RPC要解决的两个问题：

1. 解决分布式系统中，服务之间的调用问题。

2. 远程调用时，要能够像本地调用一样方便，让调用者感知不到远程调用的逻辑。

 

RPC是一种技术的概念名词

RPC=Remote Produce Call 是一种技术的概念名词，HTTP是一种协议,RPC可以通过 HTTP 来实现,也可以通过Socket自己实现一套协议来实现.所以可以换一种理解,为何 RPC 还有除 HTTP 之外的实现法,有何必要，毕竟除了HTTP实现外,私有协议不具备通用性.

 

RPC框架好处

http接口是在接口不多、系统与系统交互较少的情况下，解决信息孤岛初期常使用的一种通信手段；

优点就是简单、直接、开发方便。

如果是一个大型的网站，内部子系统较多、接口非常多的情况下，RPC框架的好处就显示出来了：

首先就是长链接，不必每次通信都要像http一样去3次握手什么的，减少了网络开销；

其次就是RPC框架一般都有注册中心，有丰富的监控管理；发布、下线接口、动态扩展等，对调用方来说是无感知、统一化的操作。

最后是安全性。

 

rpc是一种概念，http也是rpc实现的一种方式。

论复杂度，dubbo/hessian用起来是超级简单的。

至于为什么用dubbo/hessian，有几点：

• 一是调用简单，真正提供了类似于调用本地方法一样调用接口的功能 。
• 二是参数返回值简单明了 参数和返回值都是直接定义在jar包里的，不需要二次解析。
• 三是 轻量，没有多余的信息。
• 四是便于管理，基于dubbo的注册中心。

 

RPC能解耦服务

RPC:远程过程调用。RPC的核心并不在于使用什么协议。RPC的目的是让你在本地调用远程的方法，而对你来说这个调用是透明的，你并不知道这个调用的方法是部署哪里。

通过RPC能解耦服务，这才是使用RPC的真正目的。RPC的原理主要用到了动态代理模式，至于http协议，只是传输协议而已。简单的实现可以参考spring remoting，复杂的实现可以参考dubbo。

rpc=socket + 动态代理

 

Dubbo、Motan、gRPC 对比

Dubbo！是阿里开源的分布式服务框架，最大的特点是按照分层的方式来架构，使用这种方式可以使各个层之间解耦合（或者最大限度地松耦合）。

Motan！是微博开源的一套高性能、易于使用的分布式远程服务调用(RPC)框架。

gRPC！是Google开源的一套面向移动和HTTP/2设计的，高性能的、通用的远程调用框架。

 

配置方式

Motan：我支持 Xml 配置和 Spring注解配置。

Dubbo：我支持 Xml 配置 、 注解配置、 属性配置 、 API 配置 ！

gRPC：我，我只支持 API 配置 。

主持人：

Xml 配置是用 xml 文件来配置协议 、 服务 、 注册中心等信息 ，这是 rpc 框架最常用的配置方式，也是最基本的配置方式；

属性配置 是 用 properties 文件来配置协议 、 服务 、 注册中心等信息 ， 和Xml 配置使用上异曲同工 ；

注释配置是声明 Annotation 用来指定需要解析的包名 ， 使用 spring-boot 启动服务 ，这是很多 RPC 所追求的，简化了我们代码的书写， Maton 也是最新版本才开始支持的；

API 配置是 Dubbo 的 API 配置仅用于 OpenAPI, ESB, Test, Mock 等系统集成 ， API 属性与配置项一对一。

服务通信协议

Motan：我支持 Motan 协议，使用tcp 长连接模式，基于 netty通信。

Dubbo：我支持 Dubbo 协议、 Rmi 协议、 Hessian 协议、 HTTP 协议、 WebService 协议、Dubbo Thrift 协议、Memcached 协议！

gRPC：我，我支持 HTTP/2.0 协议，基于 Netty4.1.3 通信。

序列化

Motan：我默认使用对 java 更友好的 hessian2 进行序列化，还支持 Json 格式。

Dubbo：Dubbo 协议缺省序列化为hessian2 ， rmi 协议缺省为java ， http 协议缺省为 json！

gRPC：哼！说到序列化，我是独一无二的！我使用 ProtoBuf 来定义服务！

主持人：

gRPC 使用的 ProtoBuf 是由 Google 开发的一种数据序列化协议，用户使用 .proto 文件定义服务，并支持定义多种类型的方法参数。 ProtoBuf 能够将数据进行序列化，并广泛应用在数据存储、通信协议等方面。

不过，当前 gRPC 仅支持 Protobuf ，且不支持在浏览器中使用。但由于 gRPC 的设计能够支持支持多种数据格式，所以能够很容易实现对其他数据格式（如 XML 、 JSON 等）的支持。这就是我强大的 IDL 特性！

 

负载均衡

• Motan：我支持 ActiveWeight 、Random 、 RoundRobin 、LocalFirst 、 Consistent 、ConfigurableWeight 。
• Dubbo：我可以支持 Random 、RoundRobin 、ConsistentHash 、 LeastActive。
• gRPC：我，我提供了可插拔负载均衡器的机制。

主持人：这里让我来解释下每种负载均衡的模式吧 ！

• ActiveWeight / LeastActive ：低并发度优先， referer 的某时刻的 call 数越小优先级越高。
• Random ：随机，按权重设置随机概率。在一个截面上碰撞的概率高，但调用量越大分布越均匀，而且按概率使用权重后也比较均匀，有利于动态调整提供者权重。
• RoundRobin ：轮循，按公约后的权重设置轮循比率。存在慢的提供者累积请求问题，比如：第二台机器很慢，但没挂，当请求调到第二台时就卡在那，久而久之，所有请求都卡在调到第二台上。
• LocalFirst ：本地服务优先获取策略。
• Consistent ：一致性 Hash ，相同参数的请求总是发到同一提供者。当某一台提供者挂时，原本发往该提供者的请求，基于虚拟节点，平摊到其它提供者，不会引起剧烈变动。
• ConfigurableWeight ：权重可配置的负载均衡策略。

容错

Motan：我支持 Failover 失效切换、Failfast 快速失败。

Dubbo：我支持 Failover 、 Failfast 、Failsafe 、 Failback 、 Forking、 Broadcast 。

gRPC：我 具有 Failover 失效切换的容错策略。

主持人：依旧由我给大家介绍下各种容错机制 ！

• Failover ：失败自动切换，当出现失败，重试其它服务器。通常用于读操作，但重试会带来更长延迟。
• Failfast ：快速失败，只发起一次调用，失败立即报错。通常用于非幂等性的写操作，比如新增记录。
• Failsafe ：失败安全，出现异常时，直接忽略。通常用于写入审计日志等操作。
• Failback ：失败自动恢复，后台记录失败请求，定时重发。通常用于消息通知操作。
• Forking ：并行调用多个服务器，只要一个成功即返回。通常用于实时性要求较高的读操作，但需要浪费更多服务资源。
• Broadcast ：广播调用所有提供者，逐个调用，任意一台报错则报错。通常用于通知所有提供者更新缓存或日志等本地资源信息。

注册中心与服务发现

Motan：我支持使用 Consul 作为注册中心、使用 Zookeeper 作为注册中心、点对点直连。

Dubbo：我支持使用 Zookeeper 作为注册中心、使用 Redis 注册中心、使用 Multicast 注册中心、使用 Simple 注册中心。

gRPC：我，我只能让用户自己扩展注册中心 。

性能

Motan：在高并发、高负载场景的场景下，我的 平均 TPS 和平均响应时间依旧保持良好，我具备在高压力场景下的高可用能力。

Dubbo：Dubbo2.0 相比较 Dubbo1.0（默认使用的都是 hessian2序列化）性能均有提升。如对性能有更高要求可以使用dubbo 序列化，由其是在处理复杂对象时。 Dubbo 的设计目的是为了满足高并发小数据量的 rpc 调用，在大数据量下的性能表现并不好，建议使用 rmi 或 http 协议。

gRPC：我采用的是 ProtoBuf 序列化协议 ， ProtoBuf 与其他协议的性能对比 ，非常明显 的ProtoBuf 要远远优于其他 。

RPC框架的才艺角逐

Motan ：通过 spring 配置方式集成，无需额外编写代码即可为服务提供分布式调用能力完全不需要任何 xml 配置文件， Dubbo 的注解配置还需要配合 xml 文件的哦 。

Dubbo ：无论从支持的注册中心还是容错机制上看，都是我 Dubbo 的优势更大！

Motan ： 明显支持负载均衡的模式我更多 。 我 拥有自定义动态负载均衡、跨机房流量调整等高级服务调度能力。

Dubbo ：成熟度更高的我在健壮性和伸缩性上还能比你们差么？让我来一一例举。

说到健壮性 ，

监控中心宕掉不影响使用，只是丢失部分采样数据；

数据库宕掉后，注册中心仍能通过缓存提供服务列表查询，但不能注册新服务；

注册中心对等集群，任意一台宕掉后，将自动切换到另一台；注册中心全部宕掉后，服务提供者和服务消费者仍能通过本地缓存通讯；

服务提供者无状态，任意一台宕掉后，不影响使用；

服务提供者全部宕掉后，服务消费者应用将无法使用，并无限次重连等待服务提供者恢复。

至于伸缩性，

注册中心为对等集群，可动态增加机器部署实例，所有客户端将自动发现新的注册中心；

服务提供者无状态，可动态增加机器部署实例，注册中心将推送新的服务提供者信息给消费者。

Motan ：对，我在功能上或许不是那么全面，但我更注重简单、易用以及在高并发高可用场景的使用。服务发现灵活支持多种配置管理组件，基于高并发高负载场景的高可用策略优化，良好的 SPI(Service Provider Interface) 扩展，详细的调用统计，灵活支持多种 RPC 传输协议。

Dubbo ：说了这么多你能支持泛型调用么？我能！ Dubbo 提供 GenericService 泛型调用接口 ， 让用户的调用更加灵活 。

Motan ： 我的 工程依赖只涉及核心 5 个模块，且可以按需依赖，不要的说舍弃就舍弃。看看你那么一堆堆的工程，啧啧啧 ……

gRPC ： 哼 ！ 本宝宝支持 服务的跨语言调用，目前所支持语言类型有 C++ 、 JAVA 、 GO 、 Python 、 Ruby 、 Node.js 、 Android 、 C# 、 PHP 、 Objective-C ，你们可以么？

Motan ： 额 ，是啊，我们不能，可是你有服务发现相关机制么？

Dubbo ：而且你的负载均衡和容错也太弱了 …..

gRPC ： 嘤嘤嘤 ……

RPC框架的终极PK

参考链接：

https://zhuanlan.zhihu.com/p/61364466

http://dockone.io/article/549

https://cloud.tencent.com/developer/article/1080834