技术

LLM一些探索 Agent实践 LLM预训练 向量数据库的一些考量 fastapi+sqlalchemy进行项目开发 LLM微调实践 Python协程实现 Agent Functon Calling LLamaIndex入门 Multi-Agent探索 Python虚拟机 LLM工作流编排 Python实践 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Python一些比较有意思的库 Transformers源码学习 LangChain源码学习 通用分布式计算引擎Ray Python并发 go依赖注入 go collection gc的基本原理 golang性能分析及优化 数据湖 高性能计算与存储 Linux2.1.13网络源代码学习 《大数据经典论文解读》 三驾马车学习 Spark 内存管理及调优 Yarn学习 从Spark部署模式开始讲源码分析 容器狂占内存资源怎么办? 多角度理解一致性 golang io使用及优化模式 Flink学习 c++学习 学习ebpf go设计哲学 ceph学习 学习mesh kvm虚拟化 学习MQ go编译器以及defer实现 学习go 为什么要有堆栈 汇编语言 计算机组成原理 运行时和库 Prometheus client mysql 事务 mysql 事务的隔离级别 mysql 索引 坏味道 学习分布式 学习网络 学习Linux go堆内存分配 golang 系统调用与阻塞处理 Goroutine 调度过程 重新认识cpu mosn有的没的 负载均衡泛谈 单元测试的新解读 《Redis核心技术与实现》笔记 《Prometheus监控实战》笔记 Prometheus 告警学习 calico源码分析 对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go channel codereview gc分析 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes扩缩容 神经网络模型优化 直觉上理解深度学习 如何学习机器学习 TIDB源码分析 什么是云原生 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 共识算法 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全访问机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占资源怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes类型系统 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 线程排队 jib源码分析之细节 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI——容器网络是如何打通的 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 精简代码的利器——lombok 学习 《深入剖析kubernetes》笔记 编程语言那些事儿 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 如何分发计算 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记 log4j学习 为什么netty比较难懂? 递归、回溯、动态规划 apollo client源码分析及看待面向对象设计 学习并发 docker运行java项目的常见问题 OpenTSDB 入门 spring事务小结 分布式事务 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型和jvm内存布局 java exception Linux IO学习 netty内存管理 测试环境docker化实践 netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker namespace和cgroup zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 深度学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM执行 git maven/ant/gradle/make使用 再看tcp kv系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 Go基础 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

架构

大模型推理tips RAG向量检索与微调 dddfirework源码分析 RAG与知识图谱 大模型推理服务框架vLLM 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer k8s设备管理 ddd从理念到代码 如何应用LLM 小鼠如何驾驭大象(LLM)? 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 AutoML和AutoDL 特征平台 实时训练 分布式链路追踪 K8S YAML 资源清单管理方案 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps embedding的原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从混部到统一调度 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 多活 volcano特性源码分析 推理服务 kubebuilder 学习 mpi 学习pytorch client-go学习 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 学习rpc BFF openkruise学习 可观察性和监控系统 基于Kubernetes选主及应用 《许式伟的架构课》笔记 Admission Controller 与 Admission Webhook 发布平台系统设计 k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? 《软件设计之美》笔记 mecha 架构学习 Kubernetes events学习及应用 CRI 资源调度泛谈 业务系统设计原则 grpc学习 元编程 以应用为中心 istio学习 下一代微服务Service Mesh 《实现领域驱动设计》笔记 概率论 serverless 泛谈 《架构整洁之道》笔记 处理复杂性 那些年追过的并发 服务器端编程 网络通信协议 架构大杂烩 如何学习架构 《反应式设计模式》笔记 项目的演化特点 反应式架构摸索 函数式编程的设计模式 服务化 ddd反模式——CRUD的败笔 研发效能平台 重新看面向对象设计 业务系统设计的一些体会 函数式编程 《左耳听风》笔记 业务程序猿眼中的微服务管理 DDD实践——CQRS 项目隔离——案例研究 《编程的本质》笔记 系统故障排查汇总及教训 平台支持类系统的几个点 代码腾挪的艺术 abtest 系统设计汇总 《从0开始学架构》笔记 初级权限系统设计 领域驱动理念 现有上传协议分析 移动网络下的文件上传要注意的几个问题 推送系统的几个基本问题 做配置中心要想好的几个基本问题 不同层面的异步 分层那些事儿 性能问题分析 用户认证问题 资源的分配与回收——池 消息/任务队列

标签

k8s设备管理 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 K8S YAML 资源清单管理方案 从混部到统一调度 volcano特性源码分析 kubebuilder 学习 client-go学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 openkruise学习 基于Kubernetes选主及应用 Admission Controller 与 Admission Webhook k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? Kubernetes events学习及应用 CRI 资源调度泛谈 如何学习Kubernetes 以应用为中心 kubernetes operator kubernetes扩缩容 serverless 泛谈 什么是云原生 自定义CNI IPAM docker和k8s安全访问机制 Kubernetes监控 Kubernetes 控制器模型 Kubernetes资源调度——scheduler Kubernetes类型系统 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 Kubernetes源码分析——从kubectl开始 kubernetes yaml配置 CNI——容器网络是如何打通的 当我在说PaaS时,我在说什么 《深入剖析kubernetes》笔记 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件
大模型推理tips LLM一些探索 Agent实践 LLM预训练 RAG向量检索与微调 LLM微调实践 RAG与知识图谱 大模型推理服务框架vLLM Agent Functon Calling LLamaIndex入门 Multi-Agent探索 LLM工作流编排 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 下一个平台Agent 从Attention到Transformer 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Transformers源码学习 LangChain源码学习 如何应用LLM 小鼠如何驾驭大象(LLM)? AutoML和AutoDL 特征平台 实时训练 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps embedding的原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 推理服务 mpi 学习pytorch 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 kaggle泰坦尼克问题实践 神经网络模型优化 概率论 直觉上理解深度学习 如何学习机器学习 深度学习泛谈

grpc学习

2020年02月28日

简介

gRPC 就是采用 HTTP/2 协议,并且默认采用 PB 序列化方式的一种 RPC。

grc特点

  1. 语言中立,支持多种语言;
  2. 基于 IDL 文件定义服务,通过 proto3 工具生成指定语言的数据结构、服务端接口以及客户端 Stub;
  3. 通信协议基于标准的 HTTP/2 设计,支持双向流、消息头压缩、单 TCP 的多路复用、服务端推送等特性,这些特性使得 gRPC 在移动端设备上更加省电和节省网络流量;
  4. 序列化支持 PB(Protocol Buffer)和 JSON,PB 是一种语言无关的高性能序列化框架,基于 HTTP/2 + PB, 保障了 RPC 调用的高性能。
  grpc thrift
协议层   TbinaryProtocol
TCompactProtocol
TJSONProtocol
TDebugProtocol
传输层 HTTP/2 TSocket
TFramedTransport
TFileTransport
TMemoryTransport
TZlibTransport
服务端 HTTP/2 TSimpleServer
TThreadPoolServer
TNonblockingServer
权限认证 SSL/TLS
OAuth2.0
API
SSL
流式处理 支持 不支持

基本过程

直接操作网络协议编程,容易让业务开发过程陷入复杂的网络处理细节。RPC 框架以编程语言中的本地函数调用形式,向应用开发者提供网络访问能力,这既封装了消息的编解码,也通过线程模型封装了多路复用,对业务开发很友好。

  1. 客户端(gRPC Stub)调用 A 方法,发起 RPC 调用。
  2. 对请求信息使用 Protobuf 进行对象序列化压缩(IDL)。
  3. 服务端(gRPC Server)接收到请求后,解码请求体,进行业务逻辑处理并返回。
  4. 对响应结果使用 Protobuf 进行对象序列化压缩(IDL)。
  5. 客户端接受到服务端响应,解码请求体。回调被调用的 A 方法,唤醒正在等待响应(阻塞)的客户端调用并返回响应结果。

序列化协议 protobuf

协议的作用就是用于分割二进制数据流。事实上的跨语言序列化方案只有三个: protobuf, thrift, json体积太大,protobuf 和 grpc 都是google 发明的。

FlatBuffers

为什么省空间?——查表

消息由多个kv对组成

{"name":"John","id":1234,"sex":"MALE"}

Protobuf 将这 3 个字段名预分配了 3 个数字,定义在 proto 文件中:

message Person {
  string name = 1;
  uint32 id = 2;  

  enum SexType {
    MALE = 0;
    FEMALE = 1;
  }
  SexType sex = 3;
}

编码后的信息仅有 11 个字节。其中,报文与字段的对应关系如下图

http2 在头部压缩中也使用了类似的机制。

官方示例

syntax = "proto3";
package helloworld;
// The greeting service definition.
service Greeter {
    // Sends a greeting
    rpc SayHello (HelloRequest) returns (HelloReply) {}
}
// The request message containing the user's name.
message HelloRequest {
    string name = 1;
}
// The response message containing the greetings
message HelloReply {
    string message = 1;
}

java序列化和反序列化接口调用

HelloRequest request
= HelloRequest.newBuilder().setName(name).build();
byte[] data = request.toByteArray();
// 反序列化
HelloRequest.parseFrom(data);

客户端和服务端

开发人员首先定义好所有的业务功能,然后根据 proto 文件生成服务端框架代码。类似地,可以使用相同的 proto 文件生成客户端存根代码。当客户端调用服务时,客户端 gRPC 库使用 protobuf 封装远程过程调用,然后通过 HTTP2 发送出去。在服务器端,请求被解封,并且通过 protobuf 执行相应的过程调用。响应遵循类似的流程,从服务器端发送到客户端。

go语言下的示例

helloworld
    helloworld.proto
    helloworld.pb.go    ## 基于protoc --go_out=plugins=grpc:. helloworld.proto 生成
    server.go
    client.go

server.go

type GrpcServerDemo struct {
}
func (*GrpcServerDemo) SayHello(ctx context.Context, req *HelloRequest) (*HelloReply, error) {
	return &HelloReply{
		Message: fmt.Sprintf("Hello: %s", req.Name),
	}, nil
}
func Server() {
	lis, err := net.Listen("tcp", "127.0.0.1:8080")
	if err != nil {
		fmt.Printf("failed to listen: %v\n", err)
	}
	grpcServer := grpc.NewServer()
	RegisterGreeterServer(grpcServer, &GrpcServerDemo{})
	grpcServer.Serve(lis)
}

插段题外话: http1 server 的代码如下

func helloHandler(w http.ResponseWriter, req *http.Request) {
	io.WriteString(w, "hello, world!\n")
}
func Server() {
	http.HandleFunc("/", helloHandler)
    http.ListenAndServe(":12345", nil)
    // http.ListenAndServe 是下面三行代码的封装
	//server := &http.Server{}
	//ln, _ := net.Listen("tcp", ":12345")
	//server.Serve(ln)
}

可以看到,gprc server 和 http server 的代码风格大体保持一致

client.go

func Client() {
     // 创建connection
	conn, _ := grpc.Dial("127.0.0.1:8080", grpc.WithInsecure())
    defer conn.Close()
    // 创建client
    cli := NewGreeterClient(conn)
    // 调用RPC接口
	response, _ := cli.SayHello(context.Background(), &HelloRequest{Name: "zhangsan"})
	fmt.Println(response.Message)
}

  1. 针对helloworld.proto 中定义的 Greeter service, gprc 生成的go 文件 helloworld.pb.go 分别定义了GreeterClient 和 GreeterServer interface。这点与thrift client和server 共用一个interface 不同。
  2. GreeterClient 实现类 greeterClient 聚合ClientConn ,greeterClient.SayHello ==> ClientConn.Invoke ==> ClientStream.SendMsg + ClientStream.RecvMsg。 这点与thrift client 类似,接口实现本质是 send+recv
  3. 服务端则是 Server.Serve 启动服务端,GreeterServer 实现类 作为业务处理逻辑在 必要时候被调用。

gRPC 框架中就没有使用动态代理,它是通过代码生成的方式生成 Service 存根,当然这个 Service 存根起到的作用和 RPC 框架中的动态代理是一样的。gRPC 框架用代码生成的 Service 存根来代替动态代理主要是为了实现多语言的客户端,因为有些语言是不支持动态代理的,比如 C++、go 等,但缺点也是显而易见的。如果你使用过 gRPC,你会发现这种代码生成 Service 存根的方式与动态代理相比还是很麻烦的,并不如动态代理的方式使用起来方便、透明。PS:待进一步理解

整体架构/分层架构

主要以客户端源码为主描述

  接口 实现struct  
应用/治理层 ClientConnInterface ClientConn ClientConn represents a virtual connection to a conceptual endpoint, to perform RPCs
负责负载均衡及路由解析
Stream+协议层 ClientStream clientStream 负责Stream 抽象及解压缩、协议编解码
transport层 ClientTransport http2Client+parser 负责收发字节数据、处理流控等http2控制逻辑
tcp层 net.Conn    

HTTP/2 传输基本单位是 Frame,Frame 格式是以固定 9 字节长度的 header,后面加上不定长的 payload 组成。gprc java 发送端的逻辑就是 将方法+参数序列化后,构造 Frame Header 和 Frame Body,然后再把构造的 Frame 发送到 NettyClientHandler,最后将 Frame 写入到 HTTP/2 Stream 中,完成请求消息的发送。

服务端流程(待具体分析)gRPC-Go服务端源码分析

应用/治理层

很多应用在最顶层封装一个 Connection 对象,但此Connection 非tcp Connection,以Java访问mysql 数据库代码为例

//加载驱动程序
Class.forName(driver);
//1.getConnection()方法,连接MySQL数据库!!
Connection con = DriverManager.getConnection(url,user,password);
//2.创建statement类对象,用来执行SQL语句!!
Statement statement = con.createStatement();
//要执行的SQL语句
String sql = "select * from student";
//3.ResultSet类,用来存放获取的结果集!!
ResultSet rs = statement.executeQuery(sql);

接口定义

type ClientConnInterface interface {
	// Invoke performs a unary RPC and returns after the response is received
	// into reply.
	Invoke(ctx context.Context, method string, args interface{}, reply interface{}, opts ...CallOption) error
	// NewStream begins a streaming RPC.
	NewStream(ctx context.Context, desc *StreamDesc, method string, opts ...CallOption) (ClientStream, error)
}

ClientConn represents a virtual connection to a conceptual endpoint, to perform RPCs.

A ClientConn is free to have zero or more actual connections to the endpoint based on configuration, load, etc. It is also free to determine which actual endpoints to use and may change it every RPC, permitting client-side load balancing. A ClientConn encapsulates a range of functionality including name resolution, TCP connection establishment (with retries and backoff) and TLS handshakes. It also handles errors on established connections by re-resolving the name and reconnecting. ClientConn 除了封装 connection ,还管负载均衡、 name resolution 等

Stream+协议层

一次方法调用对应一个http2 Stream,在该层次实现 解压缩和编解码

    type ClientStream interface {
        Header() (metadata.MD, error)
        Trailer() metadata.MD
        CloseSend() error
        Context() context.Context
        // SendMsg is generally called by generated code.
        SendMsg(m interface{}) error
        RecvMsg(m interface{}) error
    }

传输层

grpc源码中自己实现了http2的服务端跟客户端,并没有用net/http包

// ClientTransport is the common interface for all gRPC client-side transport implementations.
type ClientTransport interface {
	Close() error
	GracefulClose()
	Write(s *Stream, hdr []byte, data []byte, opts *Options) error
	// NewStream creates a Stream for an RPC.
	NewStream(ctx context.Context, callHdr *CallHdr) (*Stream, error)
	CloseStream(stream *Stream, err error)
	Error() <-chan struct{}
	GoAway() <-chan struct{}
	GetGoAwayReason() GoAwayReason
	RemoteAddr() net.Addr
	IncrMsgSent()
	IncrMsgRecv()
}

从发送流程看传输层实现

  1. 该层次只负责字节数组 的收发
  2. 传输层负责数据的收发,本身维护了类似tcp socket 的收发缓存,上游的Write和Read 本质是读写缓存,另起专门的读写 goroutine 实际负责数据的收发,在数据的收发过程中,处理http2 协议约定的控制层逻辑,比如流控等。这与tcp socket 是一样一样的
  3. http2 协议具有Stream 和 Frame 两层概念,每个Stream 有一个StreamId,再收到数据时, 接收goroutine 会根据数据包中的 StreamId 将Frame dispatch 到对应的Stream 数据中。

与http2 的协作

相比较于一些框架将应用层协议构建在裸 TCP 上,gRPC 选择了 HTTP/2.0 作为传输层协议。通过对 Header 内容和 Payload 格式的限定实现上层协议功能。

从实践到原理,带你参透 gRPCgrpc 基于http2 通信,便有一个grpc 数据、状态 等如何对应 到http2 上的问题 (待抓包及源码进一步深入了解)

HEADERS 帧的主要作用是存储和传播 HTTP 的标头信息。 HEADERS 里有一些眼熟的信息,分别如下:

method:POST
scheme:http
path:/proto.SearchService/Search
authority::10001
content-type:application/grpc
user-agent:grpc-go/1.20.0-dev

gGRPC把元数据放到HTTP/2 Headers里,请求参数序列化之后放到 DATA frame里

为什么是http2

Introducing gRPC, a new open source HTTP/2 RPC Framework

gRPC is based on many years of experience in building distributed systems. With the new framework, we want to bring to the developer community a modern, bandwidth and CPU efficient, low latency way to create massively distributed systems that span data centers, as well as power mobile apps, real-time communications, IoT devices and APIs. 从设计的立意上,grpc 就没有仅局限于 data center 内部rpc 调用,也希望用到 mobile 和 iot 设备上,这便要求协议尽量通用,随着nginx 支持grpc,未来有机会 brower/mobile ==> nginx ==> web server ==> rpc server 全链路使用grpc 协议。又想用到实时通讯上,那么 相对普通rpc 支持 双向 stream 也就是顺理成章了。

Building on HTTP/2 standards brings many capabilities such as bidirectional streaming, flow control, header compression, multiplexing requests over a single TCP connection and more. These features save battery life and data usage on mobile while speeding up services and web applications running in the cloud.

思考gRPC :为什么是HTTP/2 优点

  1. HTTP/2 是一个公开的、实践检验过的标准
  2. HTTP/2 天然支持物联网、手机、浏览器,多语言客户端实现容易,在Gateway/Proxy很容易支持
  3. HTTP/2支持Stream和流控,PS:考虑到对Streaming rpc 的支持,使用http2 就更自然了,Stream RPC 参见下文
  4. HTTP/2 安全性有保证,HTTP/2 鉴权成熟

缺点呢?

  1. RPC 的元数据的传输不够高效
  2. HTTP/2 标准本身是只有一个 TCP 连接,但是实际在 gRPC 里是会有多个 TCP 连接
  3. gRPC 选择基于 HTTP/2,那么它的性能肯定不会是最顶尖的。但是对于 gRPC 来说中庸的 QPS 可以接受,通用和兼容性才是最重要的事情。

为什么很多rpc 框架喜欢 直接用tcp

http 和 tcp 是传输协议,rpc 相对于传输协议,更多的是封装了“服务发现”,”负载均衡”,“熔断降级”一类面向服务的高级特性。使用http 作为传输层协议 倒也不少见,比如 Spring Cloud REST 风格直接把 HTTP 作为应用协议。

以http1.1 为例,建连开销可以使用连接池复用解决,http 协议也可以传输二进制数据。为什么很多rpc 框架喜欢 直接用tcp 作为传输协议?通用定义的http1.1协议的tcp报文包含太多废信息,一个POST协议的格式大致如下

HTTP/1.0 200 OK 
Content-Type: text/plain
Content-Length: 137582
Expires: Thu, 05 Dec 1997 16:00:00 GMT
Last-Modified: Wed, 5 August 1996 15:55:28 GMT
Server: Apache 0.84

<html>
<body>Hello World</body>
</html>

报文元数据也就是header头的键值对却用了文本编码,非常占字节数。假如我们使用自定义tcp协议的报文如下

1->4 byte 5->8 byte 9->16 byte 17->length+16 byte
length(int) type int package_id(long) package_data

报头占用的字节数也就只有16个byte,极大地精简了传输内容。http2.0协议已经优化编码效率问题。

注册中心(待补充)

gRPC 注册中心,常用的注册中心你懂了?AP 还是 CP (七)

Streaming rpc

grpc 调用方式分为四种:

  1. Unary RPC 一元RPC
  2. Server-side streaming RPC 服务端流式RPC
  3. Client-side streaming RPC 客户端流式RPC
  4. Bidirectional streaming RPC 双向流式RPC

为什么需要流式 rpc

以Server-side streaming RPC 为例,改写helloworld.proto

syntax = "proto3";
package helloworld;
// The greeting service definition.
service Greeter {
    // 为HelloReply 加上stream 标识
    rpc SayHello (HelloRequest) returns (stream HelloReply) {}
}
// The request message containing the user's name.
message HelloRequest {
    string name = 1;
}
// The response message containing the greetings
message HelloReply {
    string message = 1;
}

server.go

type GrpcServerDemo struct {
}
func (*GrpcServerDemo) SayHello(req *HelloRequest, stream Greeter_SayHelloServer) error {
    // stream.Send 可以发送任意多次
	stream.Send(&HelloReply{
		Message: fmt.Sprintf("Hello1: %s", req.Name),
	})
	stream.Send(&HelloReply{
		Message: fmt.Sprintf("Hello2: %s", req.Name),
	})
	return nil
}
func Server() {
	// 代码与前文无变化
}

client.go

func Client() {
	conn, _ := grpc.Dial("127.0.0.1:8080", grpc.WithInsecure())
	defer conn.Close()
	cli := NewGreeterClient(conn)
    stream, _ := cli.SayHello(context.Background(), &HelloRequest{Name: "zhangsan"})
    // stream.Recv 发送次数与 服务端stream.Send 次数一致即可
	resp1, _ := stream.Recv()
	fmt.Println(resp1.Message)
	resp2, _ := stream.Recv()
	fmt.Println(resp2.Message)
}

流式为什么要存在呢,是 Simple RPC 有什么问题吗?通过模拟业务场景,可得知在使用 Simple RPC 时,有如下问题:

  1. 数据包过大造成的瞬时压力
  2. 以服务端处理为例,接收数据包时,需要所有数据包都接收成功且正确后,才能够回调业务逻辑函数,进行业务处理(无法客户端边发送,服务端边处理)

为什么用 Streaming RPC

  1. 大规模数据包
  2. 实时场景

Stream 层

对于simple rpc 来说, 以客户端逻辑为例:一般方法调用 ==> 负载均衡/路由策略等治理逻辑 ==> 协议层 ==> 传输层。具体的说,就是将请求数据(方法 + 请求参数) 序列化之后 发出去,收到响应之后 反序列化为响应对象,请求对象和响应对象 通过唯一id 关联起来,一次方法调用对应一个<请求对象, 响应对象>

有了Streaming rpc 之后, 一次方法调用 涉及到多个<请求对象, 响应对象>,或者说, 请求对象和响应对象变成了Stream 对象,可多次Send 和 Recv。 序列化和反序列化 层复用原先逻辑,额外抽取一个Stream 层,一次方法调用 对应一个StreamId,一个StreamId 对应多个<请求对象, 响应对象>