七爪源码:使用 Golang 开发 RPC 连接
connygpt 2024-09-29 11:03 7 浏览
远程过程调用 (RPC) 是一种通信模型,它允许客户端从另一台计算机调用过程,就好像该过程存在于本地一样。 例如,如果您在另一台服务器中有一个名为 add(a, b) 的函数,并且该函数已在 RPC 程序中注册,那么您可以调用该函数而无需在本地计算机中定义该函数。 客户端调用服务器中的过程后,服务器将返回过程的结果。
如今,许多公司将这种通信模型用于其内部服务。这是因为用户通常不需要知道内部服务如何相互通信。并且由于其简单性,RPC 将提高内部服务的性能。除此之外,它可以减少重新开发代码以调用彼此内部服务的工作量。
在本文中,我们将尝试使用 Golang 创建一个简单的 RPC 程序。我们将使用 grpc 它来帮助我们处理 RPC 程序。 grpc 是一个非常易于使用且已经成熟的 RPC 框架。
对于将在客户端和服务器之间交换的数据结构,我们将使用协议缓冲区,或者我们可以将其称为 protobuf。 grpc 本身使用这种数据结构。 Protobuf 类似于 JSON,但更小更快。为了能够使用 protobuf,我们首先需要在我们的计算机上安装一个协议缓冲区编译器(protoc)。因为安装真的取决于你的机器,你可以试试这个链接。
然后让我们为我们的项目创建三个目录,我们将它们命名为 client、server 和 dataserver。客户端将保存客户端代码,服务器将保存服务器代码,然后数据服务器将保存将要使用的数据结构的 proto 文件。
在那之后。让我们创建数据结构。在 dataserver 目录中创建一个名为 data.proto 的文件。把这段代码放进去。
syntax = "proto3";
package main;
option go_package = "./dataserver";
service DataServer {
rpc GetData(Request) returns (Data) {}
}
message Data {
string key = 1;
int32 value = 2;
}
message Request {
string key = 1;
}
语法解释如下:
- syntax = "proto3";:这意味着 protobuf 文件将使用语法版本 3。
- package main;:这意味着它将作为主包放置在目录中。
- option go_package = "./dataserver";:这意味着创建的数据结构将被放置在dataserver包中。
- service DataServer{}:这是 protobuf 的服务器接口和客户端结构的基础。
- rpc GetData(Request) 返回 (Data) {}:这是将放置在服务器中的函数的形状。
- message Data{}:这是将在客户端和服务器之间交换的数据结构的形状。
- string key = 1;:这是数据结构中将存在的字段。 它将以 key 作为名称,以 string 作为其数据类型。 数字 1 用于标识消息二进制格式中的字段,因此只需使用一些数字,以便从 1 开始字段。
然后我们需要从 proto 文件中为数据结构创建 Golang 代码。 为此,我们可以转到 dataserver 目录并使用以下命令:
protoc --go_out=. --go_opt=paths=source_relative --go-grpc_out=.
--go-grpc_opt=paths=source_relative data.proto
让我解释一下命令:
- protoc:它是我们之前安装后应该存在的协议缓冲区编译器命令。
- --go_out=.: 数据结构的输出将转到当前目录,该目录应该是 dataserver 目录。
- --go_opt=paths=source_relative:go_opt 将帮助我们为编译器命令设置一个变量。 我们指定数据结构源的路径,即当前目录。
- --go-grpc_out=.:这个gRPC服务器接口的输出会到当前目录,应该是dataserver目录。
- --go-grpc_opt=paths=source_relative:同--go_opt,但用于gRPC服务器的接口。
- data.proto:我们之前创建的 proto 文件。 我们可以指定多个 proto 文件。
然后我们应该有这样的新文件:
在此之后,我建议您先提交更改并将它们推送到您的在线存储库,因为我们将使用 dataserver 目录中的文件作为服务器和客户端。
然后让我们创建将实现 gRPC 服务器接口的服务器代码。 首先在服务器目录中创建一个名为 data.go 的文件。 然后用以下代码填充它:
package main
import (
pb "github.com/kuuhaku86/simple-go-rpc/dataserver"
)
var Datas []pb.Data = []pb.Data{
pb.Data{
Key: "a",
Value: 10,
},
pb.Data{
Key: "b",
Value: 100,
},
pb.Data{
Key: "c",
Value: 1000,
},
}
对于 import pb 部分,您可以使用自己的 Github URL,因为我相信我们的 Github URL 有不同的 URL :)。 此代码将用作发送给客户端的数据。 客户端将使用与请求的请求相同的键来获取数据。
然后我们可以创建将实现 gRPC 服务器接口的结构。 创建一个名为 dataServer.go 的文件。 然后我们可以用这段代码填充它:
package main
import (
"errors"
"context"
pb "github.com/kuuhaku86/simple-go-rpc/dataserver"
)
type DataServer struct {}
func (server *DataServer) GetData(ctx context.Context, request *pb.Request) (*pb.Data, error) {
for _, data := range Datas {
if request.Key == data.Key {
return &data, nil
}
}
return nil, errors.New("Data not found")
}
func newServer() *DataServer {
s := &DataServer{}
return s
}
好吧,这只是一个普通的 Golang 代码。 但是我们应该实现 GetData 函数并将其添加为 Context 作为参数。 然后我们添加 Request 数据结构作为参数,Data 数据结构作为返回数据类型。 如果发生错误,我们也会添加错误作为返回值。
代码将循环 Datas 数组并检查数据键是否与请求相同。 然后,如果我们找到一个,我们将数据返回给客户端。 如果我们没有找到,我们可以返回 nil。
然后我们编写代码来运行服务器。 创建一个名为 main.go 的文件并使用以下代码填充该文件:
package main
import (
"log"
"net"
"google.golang.org/grpc"
pb "github.com/kuuhaku86/simple-go-rpc/dataserver"
)
func main() {
listener, err := net.Listen("tcp", "localhost:8600")
if err != nil {
log.Fatalf("failed to listen: %v", err)
}
var opts []grpc.ServerOption
grpcServer := grpc.NewServer(opts...)
pb.RegisterDataServerServer(grpcServer, newServer())
grpcServer.Serve(listener)
}
该代码将以 8600 作为端口运行我们的服务器。 好吧,您可以使用任何其他您想要的端口。
不要忘记使用 go mod init package_name 命令在服务器目录初始化 go 模块。
然后我们去客户端。 创建 main.go 来放置我们的客户端代码。 然后使用以下代码填充文件:
package main
import (
"log"
"context"
"google.golang.org/grpc"
pb "github.com/kuuhaku86/simple-go-rpc/dataserver"
)
func main() {
conn, err := grpc.Dial("localhost:8600", grpc.WithInsecure())
if err != nil {
log.Fatalf("fail to dial: %v", err)
}
defer conn.Close()
client := pb.NewDataServerClient(conn)
data, err := client.GetData(context.Background(), &pb.Request{Key: "a"})
if err != nil {
log.Fatalf("client.GetData failed: %v", err)
} else {
log.Printf("Result: %d", data.Value)
}
data, err = client.GetData(context.Background(), &pb.Request{Key: "b"})
if err != nil {
log.Fatalf("client.GetData failed: %v", err)
} else {
log.Printf("Result: %d", data.Value)
}
data, err = client.GetData(context.Background(), &pb.Request{Key: "c"})
if err != nil {
log.Fatalf("client.GetData failed: %v", err)
} else {
log.Printf("Result: %d", data.Value)
}
}
在这段代码中,我们只是尝试在没有 TLS/SSL 的情况下连接到服务器,因此我们将 grpc.WithInsecure() 作为 Dial 函数的第二个参数。 好吧,如果您想要一个安全的连接,您可以使用 grpc 包中的结构选项在那个地方指定它。 然后我们为每个键一个一个地获取数据。
不要忘记使用与以前相同的命令为客户端目录初始化 go 模块。
如果我们运行客户端和服务器,我们的终端应该有这个输出。
您可以为此代码添加更多功能,例如数据库系统、身份验证系统以及您想要的其他功能。 但我想保持文章的基本功能,所以它只是从服务器获取一些数据。
非常感谢,有什么想讨论的可以联系我。
关注七爪网,获取更多APP/小程序/网站源码资源!
相关推荐
- 3分钟让你的项目支持AI问答模块,完全开源!
-
hello,大家好,我是徐小夕。之前和大家分享了很多可视化,零代码和前端工程化的最佳实践,今天继续分享一下最近开源的Next-Admin的最新更新。最近对这个项目做了一些优化,并集成了大家比较关注...
- 干货|程序员的副业挂,12个平台分享
-
1、D2adminD2Admin是一个完全开源免费的企业中后台产品前端集成方案,使用最新的前端技术栈,小于60kb的本地首屏js加载,已经做好大部分项目前期准备工作,并且带有大量示例代码,助...
- Github标星超200K,这10个可视化面板你知道几个
-
在Github上有很多开源免费的后台控制面板可以选择,但是哪些才是最好、最受欢迎的可视化控制面板呢?今天就和大家推荐Github上10个好看又流行的可视化面板:1.AdminLTEAdminLTE是...
- 开箱即用的炫酷中后台前端开源框架第二篇
-
#头条创作挑战赛#1、SoybeanAdmin(1)介绍:SoybeanAdmin是一个基于Vue3、Vite3、TypeScript、NaiveUI、Pinia和UnoCSS的清新优...
- 搭建React+AntDeign的开发环境和框架
-
搭建React+AntDeign的开发环境和框架随着前端技术的不断发展,React和AntDesign已经成为越来越多Web应用程序的首选开发框架。React是一个用于构建用户界面的JavaScrip...
- 基于.NET 5实现的开源通用权限管理平台
-
??大家好,我是为广大程序员兄弟操碎了心的小编,每天推荐一个小工具/源码,装满你的收藏夹,每天分享一个小技巧,让你轻松节省开发效率,实现不加班不熬夜不掉头发,是我的目标!??今天小编推荐一款基于.NE...
- StreamPark - 大数据流计算引擎
-
使用Docker完成StreamPark的部署??1.基于h2和docker-compose进行StreamPark部署wgethttps://raw.githubusercontent.com/a...
- 教你使用UmiJS框架开发React
-
1、什么是Umi.js?umi,中文可发音为乌米,是一个可插拔的企业级react应用框架。你可以将它简单地理解为一个专注性能的类next.js前端框架,并通过约定、自动生成和解析代码等方式来辅助...
- 简单在线流程图工具在用例设计中的运用
-
敏捷模式下,测试团队的用例逐渐简化以适应快速的发版节奏,大家很早就开始运用思维导图工具比如xmind来编写测试方法、测试点。如今不少已经不少利用开源的思维导图组件(如百度脑图...)来构建测试测试...
- 【开源分享】神奇的大数据实时平台框架,让Flink&Spark开发更简单
-
这是一个神奇的框架,让Flink|Spark开发更简单,一站式大数据实时平台!他就是StreamX!什么是StreamX大数据技术如今发展的如火如荼,已经呈现百花齐放欣欣向荣的景象,实时处理流域...
- 聊聊规则引擎的调研及实现全过程
-
摘要本期主要以规则引擎业务实现为例,陈述在陌生业务前如何进行业务深入、调研、技术选型、设计及实现全过程分析,如果你对规则引擎不感冒、也可以从中了解一些抽象实现过程。诉求从硬件采集到的数据提供的形式多种...
- 【开源推荐】Diboot 2.0.5 发布,自动化开发助理
-
一、前言Diboot2.0.5版本已于近日发布,在此次发布中,我们新增了file-starter组件,完善了iam-starter组件,对core核心进行了相关优化,让devtools也支持对IAM...
- 微软推出Copilot Actions,使用人工智能自动执行重复性任务
-
IT之家11月19日消息,微软在今天举办的Ignite大会上宣布了一系列新功能,旨在进一步提升Microsoft365Copilot的智能化水平。其中最引人注目的是Copilot...
- Electron 使用Selenium和WebDriver
-
本节我们来学习如何在Electron下使用Selenium和WebDriver。SeleniumSelenium是ThoughtWorks提供的一个强大的基于浏览器的开源自动化测试工具...
- Quick 'n Easy Web Builder 11.1.0设计和构建功能齐全的网页的工具
-
一个实用而有效的应用程序,能够让您轻松构建、创建和设计个人的HTML网站。Quick'nEasyWebBuilder是一款全面且轻巧的软件,为用户提供了一种简单的方式来创建、编辑...
- 一周热门
- 最近发表
- 标签列表
-
- kubectlsetimage (56)
- mysqlinsertoverwrite (53)
- addcolumn (54)
- helmpackage (54)
- varchar最长多少 (61)
- 类型断言 (53)
- protoc安装 (56)
- jdk20安装教程 (60)
- rpm2cpio (52)
- 控制台打印 (63)
- 401unauthorized (51)
- vuexstore (68)
- druiddatasource (60)
- 企业微信开发文档 (51)
- rendertexture (51)
- speedphp (52)
- gitcommit-am (68)
- bashecho (64)
- str_to_date函数 (58)
- yum下载包及依赖到本地 (72)
- jstree中文api文档 (59)
- mvnw文件 (58)
- rancher安装 (63)
- nginx开机自启 (53)
- .netcore教程 (53)