基于python实现RPC的demo
这是一个远程过程调用（RPC）的实现demo，可以实现不同的python进程之间通信和互相调用函数，简单易用，易于扩展。更多功能也可进一步完善，本文介绍了该实现的主要思路。
前言
计划手撸一个rpc甚久了，在间歇性push自己下终于完成的差不多了。写这个demo的原因，1）是为了学习与思考下这部分主体功能和实现思路，2）是调包时可以毫无心理负担，并产生一种不过如此的优越感。
实现这部分内容主要依据的还是自己的想法，因此可能会有bug或者有更好的实现方式，仅供学习和参考，完整代码可参考Gitee链接。
实现的时候用的是python2.7，忘记换了，下次一定更新。
一、主要内容
所谓RPC，是远程过程调用（Remote Procedure Call）的简写，网上解释很多，简单来说，就是在当前进程调用其他进程的函数时，体验就像是调用本地写的函数一般。
本文实现的是在本地调用远端的类class对象的接口，也就是本地的client不实例化类对象，调用的是server端的类对象接口。
为了达到让调用层无须关心底层实现，拥有丝滑般的体验，就需要以下几个部分：
- 客户端需要把类的接口提取出来，并将调用函数事件捕获存储起来；服务端需要把类的公有函数作为可远程调用的接口。
- 客户端把调用函数的事件（调用的函数，参数）进行序列化并发送给服务端；服务端将客户端的调用事件反序列化，并执行相应的接口，将返回值发送给客户端。
- 客户端与服务端通过某种方式（一般就是网络socket）进行通信。
在下面时序图的灰色部分，对于调用方来说是透明的，它的执行结果应该和执行本地的函数时一致的。
二、实现步骤
1. 进程间的通信
本文采用了基于TCP的sokcet连接来进行进程之间的通信，更多实现细节可参考之前博客。
在此需要注意：
本文采用了select模块来监听网络事件，如果服务端未收到任何的网络消息会一直阻塞在这儿。如果服务端除了提供rpc调用服务之外还需要执行其他逻辑，那么应当采用非阻塞，轮询socket的方式来判断是否有新的网络事件。
# ServerBase.py
def process(self):
readable, writable, exceptional = select.select(self.inputs, self.outputs, self.conns.values())
for conn in readable:
if conn is self.socket:
self._handle_conn()
else:
self._handle_recv(conn)
for conn in writable:
pass
for conn in exceptional:
self._handle_leave(conn)
客户端的网络事件本文通过创建新的线程来监听的。并不会影响客户端主线程的执行，因此可以尽情的阻塞。部分代码如下：
# AsynCallback.py class AsyncTaskManager(object): _asy_events = dict() def __init__(self, loop, *args): super(AsyncTaskManager, self).__init__() self._loop_fun = loop def __call__(self, *args, **kwargs): proc = threading.Thread(target=self._exec_loop, args=args, kwargs=kwargs) proc.start() def _exec_loop(self, *args, **kwargs): while True: net_resp = self._loop_fun(*args, **kwargs) for resp in net_resp: asy_event = self._asy_events.pop(resp.rid) asy_event.set()
# Client.py class Client(TaskHandle, ClientBase): @AsyncTaskManager def process(self): super(Client, self).process() _events = [] while self.has_events: event = self.get_next_event() data = event[1] _events.append(self.unpack_respond(data)) return _events
序列化方式，本文采用了库pickle进行序列化与反序列化，使用它的原因是可以将自定义类对象也进行序列化，非常之高级。
2. 异步回调实现思路
对于需要返回值的函数调用，处理起来比较简单，只需要将主线程阻塞等待，直至超时或者接收到了对应函数的返回值即可。本文采用了threading.Event来阻塞与唤醒调用的函数，同时采用了装饰器来实现这功能。若日后有更好的方法，可以轻易进行替换。相关示例代码如下所示：
@AsyncTaskManager.respond def _handle_response(self, tid): """ 处理有返回值的情况 会阻塞线程直至收到返回值 """ task = self.pop_task(tid) if task.callback: task.callback() return self.pop_respond(tid) @staticmethod def respond(func): @wraps(func) def make_resp(handle, tid): """ 需要注意的是，和装饰的函数参数含义需一致 """ event = threading.Event() AsyncTaskManager._asy_events[tid] = event event.wait(timeout=TIME_OUT) return func(handle, tid) # 这儿才是真正执行_handle_response的地方 return make_resp
在实际的应用过程中，应有这样的情况，服务端与客户端都是独立的应用，通过rpc函数进行通信和交互，而并不是某方为另外一方提供服务，那么此时返回值并不必要，只需要将要做的事通知另一方即可。对于此种情况，可以采用异步回调的方式来告知调用方对应函数执行成功了。
在文中依旧采用线程来完成该功能，客户端调用函数之后创建一个新线程并阻塞住，等待服务端将执行结果发回后再唤醒，如果有回调函数就执行。示例代码如下：
@AsyncTaskManager.callback def _handle_call_back(self, tid): """ 处理有回调函数的调用 callback会等tid事件调用成功之后 才会回调，且不会有返回值 """ task = self.pop_task(tid) if task.callback: task.callback() @staticmethod def callback(func): @wraps(func) def make_thread(event, *args, **kwargs): event.wait(timeout=TIME_OUT) func(*args, **kwargs) def make_async(handle, tid): """ 注意点同上 """ event = threading.Event() AsyncTaskManager._asy_events[tid] = event _task = threading.Thread(target=lambda: make_thread(event, handle, tid)) return make_async
总结
到此这篇关于基于python实现rpc远程过程调用的文章就介绍到这了,更多相关python rpc远程调用内容请搜索猪先飞以前的文章或继续浏览下面的相关文章希望大家以后多多支持猪先飞！
原文出处：https://blog.csdn.net/wz2671/article/details/108269400