纯手写实现一个高可用的RPC-低调大师

纯手写实现一个高可用的RPC

2018-09-25 524

在实际后台服务开发中，比如订单服务（开发者A负责）需要调用商品服务（开发者B负责），那么开发者B会和A约定调用API，以接口的形式提供给A。通常都是B把API上传到Maven私服，然后B开始写API的实现，A只需要引入API依赖进行开发即可。

订单服务调用商品服务

上图简单的描述了RPC在实际场景中的应用，我们在开发中当然是利用现有的RPC框架来快速实现业务需求，比如百度开源了baidu-rpc，阿里的Dubbo早已声名在外，腾讯自己玩TAF。本篇博客将实现一个迷你版的RPC，探索下RPC底层实现的奥秘！

动手实现RPC商品服务工程

8614eace2790abe951baa516791e82974a36304e

商品服务工程

注意，我将商品服务的API以及实现分为Maven的2个模块来开发。这里，我们想给定一个商品ID，查询得到商品对象信息。

商品对象

7f6b82e1db696e3d9d1292c71ebcc4b7466d16b1

商品API

954ed26989e47906856c055d6cecb4b0e7e95c23

Product

要注意的是，Product是可以被序列化的，Why?

很显然，订单系统调用商品系统的时候，需要商品系统返回一个商品，必然涉及到发生网络传输，这就涉及对象的序列化和反序列化了。

商品查询API接口

商品查询API

订单系统调用商品服务

3f1d96a3a0ad766361720dde6323e5bbdcd10c12

订单服务调用商品服务

在订单系统工程中需要引入商品服务API依赖。

在上图代码中，最重要的就是rpc方法了！

rpc实现方法

a6d7b55feb91896188c5a826f7bd6fbe9f46c6a2

rpc

第一，我们看到了Proxy.newProxyInstance，很显然在进行动态代理。也即是说，在订单服务调用商品服务的代码中，我们先是通过动态代理返回一个代理的IProductService类型对象，这意味着当代理对象调用queryById方法的时候，会自动调用invoke方法！

第二，我们看看invoke到底做了些什么？

它本质上就是进行Socket通信，那么它需要传递什么信息给到商品服务呢？

我们知道订单系统就是想调用商品服务的某个类的某个方法，然后把这个方法的返回结果传输给订单系统！

想一想，如何调用某个类的某个方法呢？

只要我们能确定这个类的全限定类名、确定方法名、确定方法的参数类型，给定方法需要的具体参数，通过反射就能实现。

商品服务调用后得到的结果，我们序列化写入Socket流中，在订单系统中反序列化得到对象即可。

第三，这里需要思考一个问题：在订单系统中我们只知道商品服务的API，并不知道这背后的API到底是如何实现的，所以我们需要有一个映射，就是商品服务的API到商品服务的实现的一个映射关系，其实这就是所谓的服务的注册！

商品API的具体实现

f63e47b949803a5cb588adda55277b957fd3715f

商品服务

c79ac37d478692325629b2e5487509a5bdb676d1

商品服务API实现

商品服务

bf53cf5914e188dfcbbc41a7df1dc449303d02c8

商品服务

从这里，可以清晰的看到，商品服务读取了订单系统调用商品系统时发送的数据，利用反射机制，进行方法调用，并把调用结果写入Socket输出流。

#运行结果

00884b26cad0bce56fc3fa0b2cb85dbb262a5638

运行结果

启动商品服务后，通过订单系统发起对商品服务的调用。

以前总认为RPC是遥不可及的，感觉是个很神奇的东西，实际上它的底层实现不就是这样的么~

晚安！

原文发布时间为：2018-09-26

本文作者：java进阶架构师

本文来自云栖社区合作伙伴“java进阶架构师”，了解相关信息可以关注“java进阶架构师”。

微信关注我们

原文链接：https://yq.aliyun.com/articles/645553

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

目标检测架构5年演进全盘点：从R-CNN到RFBNet

目标检测是计算机视觉领域的基本且重要的问题之一，而「一般目标检测」则更注重检测种类广泛的自然事物类别。近日，中国国防科技大学、芬兰奥卢大学、澳大利亚悉尼大学、香港中文大学、加拿大滑铁卢大学的研究者在 arXiv 发布了一篇综述论文，对用于一般目标检测的深度学习技术进行了全面系统的总结。机器之心选取了其中部分内容进行介绍，更详细的内容请参阅原论文。此外，来自首尔国立大学的 Lee hoseong 在近期开源了「deep learning object detection」GitHub 项目，正是参考该论文开发的。该项目集合了从 2013 年 11 月提出的 R-CNN 至在近期举办的 ECCV2018 上发表的 RFBNet 等四十多篇关于目标检测的论文，相当全面。这些论文很多都曾发表在机器学习或人工智能顶会上，如 ICLR、NIPS、CVPR、ICCV、ECCV 等。正如图中红色字体标示的那样，其中也包含了很多代表性的成果，如从 R-CNN 到 Mask R-CNN 的 R-CNN 系列、YOLO 系列、RPN、SSD、FPN 以及 RetinaNet 等。无论对刚入门的机器学习新手...

2018-09-26

610

当MySQL单表记录数过大时，增删改查性能都会急剧下降，所以我们本文会提供一些优化参考，大家可以参考以下步骤来优化：一、单表优化除非单表数据未来会一直不断上涨，否则不要一开始就考虑拆分，拆分会带来逻辑、部署、运维的各种复杂度。一般以整型值为主的表在千万级以下，字符串为主的表在五百万以下是没有太大问题的，而事实上很多时候MySQL单表的性能依然有不少优化空间，甚至能正常支撑千万级以上的数据量。字段尽量使用TINYINT、SMALLINT、MEDIUM_INT作为整数类型而非INT，如果非负则加上UNSIGNED； VARCHAR的长度只分配真正需要的空间；使用枚举或整数代替字符串类型；尽量使用TIMESTAMP而非DATETIME；单表不要有太多字段，建议在20以内；避免使用NULL字段，很难查询优化且占用额外索引空间；用整型来存IP。索引索引并不是越多越好，要根据查询有针对性的创建，考虑在WHERE和ORDER BY命令上涉及的列建立索引，可根据EXPLAIN来查看是否用了索引还是全表扫描；应尽量避免在WHERE子句中对字段进行NULL值判断，否则将导致引擎放弃使用...

2018-09-26

511

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。