自己动手从0开始实现一个分布式RPC框架

原创麓行阿里云开发者

前言

为什么要自己写一个RPC框架，我觉得从个人成长上说，如果一个程序员能清楚的了解RPC框架所具备的要素，掌握RPC框架中涉及的服务注册发现、负载均衡、序列化协议、RPC通信协议、Socket通信、异步调用、熔断降级等技术，可以全方位的提升基本素质。虽然也有相关源码，但是只看源码容易眼高手低，动手写一个才是自己真正掌握这门技术的最优路径。

一什么是RPC

RPC（Remote Procedure Call）远程过程调用，简言之就是像调用本地方法一样调用远程服务。目前外界使用较多的有gRPC、Dubbo、Spring Cloud等。相信大家对RPC的概念都已经很熟悉了，这里不做过多介绍。

二分布式RPC框架要素

一款分布式RPC框架离不开三个基本要素：

服务提供方 Serivce Provider
服务消费方 Servce Consumer
注册中心 Registery

围绕上面三个基本要素可以进一步扩展服务路由、负载均衡、服务熔断降级、序列化协议、通信协议等等。

1 注册中心

主要是用来完成服务注册和发现的工作。虽然服务调用是服务消费方直接发向服务提供方的，但是现在服务都是集群部署，服务的提供者数量也是动态变化的，所以服务的地址也就无法预先确定。因此如何发现这些服务就需要一个统一注册中心来承载。

2 服务提供方（RPC服务端）

其需要对外提供服务接口，它需要在应用启动时连接注册中心，将服务名及其服务元数据发往注册中心。同时需要提供服务服务下线的机制。需要维护服务名和真正服务地址映射。服务端还需要启动Socket服务监听客户端请求。

3 服务消费方（RPC客户端）

客户端需要有从注册中心获取服务的基本能力，它需要在应用启动时，扫描依赖的RPC服务，并为其生成代理调用对象，同时从注册中心拉取服务元数据存入本地缓存，然后发起监听各服务的变动做到及时更新缓存。在发起服务调用时，通过代理调用对象，从本地缓存中获取服务地址列表，然后选择一种负载均衡策略筛选出一个目标地址发起调用。调用时会对请求数据进行序列化，并采用一种约定的通信协议进行socket通信。

三技术选型

1 注册中心

目前成熟的注册中心有Zookeeper，Nacos，Consul，Eureka，它们的主要比较如下：

本实现中支持了两种注册中心Nacos和Zookeeper，可根据配置进行切换。

2 IO通信框架

本实现采用Netty作为底层通信框架，Netty是一个高性能事件驱动型的非阻塞的IO(NIO)框架。

3 通信协议

TCP通信过程中会根据TCP缓冲区的实际情况进行包的划分，所以在业务上认为一个完整的包可能会被TCP拆分成多个包进行发送，也有可能把多个小的包封装成一个大的数据包发送，这就是所谓的TCP粘包和拆包问题。所以需要对发送的数据包封装到一种通信协议里。

业界的主流协议的解决方案可以归纳如下：

消息定长，例如每个报文的大小为固定长度100字节，如果不够用空格补足。
在包尾特殊结束符进行分割。
将消息分为消息头和消息体，消息头中包含表示消息总长度（或者消息体长度）的字段。

很明显1，2都有些局限性，本实现采用方案3，具体协议设计如下：

+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------+ |  BYTE  |        |        |        |        |        |        |             ........ +--------------------------------------------+--------+-----------------+--------+--------+--------+--------+--------+--------+-----------------+ |  magic | version|  type  |           content lenth           |                   content byte[]                                        |        | +--------+-----------------------------------------------------------------------------------------+--------------------------------------------+

第一个字节是魔法数，比如我定义为0X35。
第二个字节代表协议版本号，以便对协议进行扩展，使用不同的协议解析器。
第三个字节是请求类型，如0代表请求1代表响应。
第四个字节表示消息长度，即此四个字节后面此长度的内容是消息content。

4 序列化协议

本实现支持3种序列化协议，JavaSerializer、Protobuf及Hessian可以根据配置灵活选择。建议选用Protobuf，其序列化后码流小性能高，非常适合RPC调用，Google自家的gRPC也是用其作为通信协议。

5 负载均衡

本实现支持两种主要负载均衡策略，随机和轮询，其中他们都支持带权重的随机和轮询，其实也就是四种策略。

四整体架构

五实现

项目总体结构：

1 服务注册发现

Zookeeper

Zookeeper采用节点树的数据模型，类似linux文件系统，/，/node1，/node2 比较简单。

Zookeeper节点类型是Zookeeper实现很多功能的核心原理，分为持久节点临时节点、顺序节点三种类型的节点。

我们采用的是对每个服务名创建一个持久节点，服务注册时实际上就是在zookeeper中该持久节点下创建了一个临时节点，该临时节点存储了服务的IP、端口、序列化方式等。

客户端获取服务时通过获取持久节点下的临时节点列表，解析服务地址数据：

客户端监听服务变化：

Nacos

Nacos是阿里开源的微服务管理中间件，用来完成服务之间的注册发现和配置中心，相当于Spring Cloud的Eureka+Config。

不像Zookeeper需要利用提供的创建节点特性来实现注册发现，Nacos专门提供了注册发现功能，所以其使用更加方便简单。主要关注NamingService接口提供的三个方法registerInstance、getAllInstances、subscribe；registerInstance用来完成服务端服务注册，getAllInstances用来完成客户端服务获取，subscribe用来完成客户端服务变动监听，这里就不多做介绍，具体可参照实现源码。

2 服务提供方 Serivce Provider

在自动配置类OrcRpcAutoConfiguration完成注册中心和RPC启动类（RpcBootStarter）的初始化：

服务端的启动流程如下：

RPC启动（RpcBootStarter）：

上面监听Spring容器初始化事件时注意，由于Spring包含多个容器，如web容器和核心容器，他们还有父子关系，为了避免重复执行注册，只处理顶层的容器即可。

3 服务消费方 Servce Consumer

服务消费方需要在应用启动完成前为依赖的服务创建好代理对象，这里有很多种方法，常见的有两种：

一是在应用的Spring Context初始化完成事件时触发，扫描所有的Bean，将Bean中带有OrcRpcConsumer注解的field获取到，然后创建field类型的代理对象，创建完成后，将代理对象set给此field。后续就通过该代理对象创建服务端连接，并发起调用。

二是通过Spring的BeanFactoryPostProcessor，其可以对bean的定义BeanDefinition(配置元数据)进行处理；Spring IOC会在容器实例化任何其他bean之前运行BeanFactoryPostProcessor读取BeanDefinition，可以修改这些BeanDefinition，也可以新增一些BeanDefinition。

本实现也采用第二种方式，处理流程如下：

BeanFactoryPostProcessor的主要实现：

    @Override    public void postProcessBeanFactory(ConfigurableListableBeanFactory beanFactory)        throws BeansException {        this.beanFactory = beanFactory;        postProcessRpcConsumerBeanFactory(beanFactory, (BeanDefinitionRegistry)beanFactory);    }
    private void postProcessRpcConsumerBeanFactory(ConfigurableListableBeanFactory beanFactory, BeanDefinitionRegistry beanDefinitionRegistry) {        String[] beanDefinitionNames = beanFactory.getBeanDefinitionNames();        int len = beanDefinitionNames.length;        for (int i = 0; i < len; i++) {            String beanDefinitionName = beanDefinitionNames[i];            BeanDefinition beanDefinition = beanFactory.getBeanDefinition(beanDefinitionName);            String beanClassName = beanDefinition.getBeanClassName();            if (beanClassName != null) {                Class<?> clazz = ClassUtils.resolveClassName(beanClassName, classLoader);                ReflectionUtils.doWithFields(clazz, new FieldCallback() {                    @Override                    public void doWith(Field field) throws IllegalArgumentException, IllegalAccessException {                        parseField(field);                    }                });            }
        }
        Iterator<Entry<String, BeanDefinition>> it = beanDefinitions.entrySet().iterator();        while (it.hasNext()) {            Entry<String, BeanDefinition> entry = it.next();            if (context.containsBean(entry.getKey())) {                throw new IllegalArgumentException("Spring context already has a bean named " + entry.getKey());            }            beanDefinitionRegistry.registerBeanDefinition(entry.getKey(), entry.getValue());            log.info("register OrcRpcConsumerBean definition: {}", entry.getKey());        }
    }
    private void parseField(Field field) {        // 获取所有OrcRpcConsumer注解        OrcRpcConsumer orcRpcConsumer = field.getAnnotation(OrcRpcConsumer.class);        if (orcRpcConsumer != null) {            // 使用field的类型和OrcRpcConsumer注解一起生成BeanDefinition            OrcRpcConsumerBeanDefinitionBuilder beanDefinitionBuilder = new OrcRpcConsumerBeanDefinitionBuilder(field.getType(), orcRpcConsumer);            BeanDefinition beanDefinition = beanDefinitionBuilder.build();            beanDefinitions.put(field.getName(), beanDefinition);        }    }

ProxyFactory的主要实现：

public class JdkProxyFactory implements ProxyFactory{
    @Override    public Object getProxy(ServiceMetadata serviceMetadata) {        return Proxy            .newProxyInstance(serviceMetadata.getClazz().getClassLoader(), new Class[] {serviceMetadata.getClazz()},                new ClientInvocationHandler(serviceMetadata));    }
    private class ClientInvocationHandler implements InvocationHandler {
        private ServiceMetadata serviceMetadata;
        public ClientInvocationHandler(ServiceMetadata serviceMetadata) {            this.serviceMetadata = serviceMetadata;        }
        @Override        public Object invoke(Object proxy, Method method, Object[] args) throws Throwable {            String serviceId = ServiceUtils.getServiceId(serviceMetadata);            // 通过负载均衡器选取一个服务提供方地址            ServiceURL service = InvocationServiceSelector.select(serviceMetadata);
            OrcRpcRequest request = new OrcRpcRequest();            request.setMethod(method.getName());            request.setParameterTypes(method.getParameterTypes());            request.setParameters(args);            request.setRequestId(UUID.randomUUID().toString());            request.setServiceId(serviceId);
            OrcRpcResponse response = InvocationClientContainer.getInvocationClient(service.getServerNet()).invoke(request, service);            if (response.getStatus() == RpcStatusEnum.SUCCESS) {                return response.getData();            } else if (response.getException() != null) {                throw new OrcRpcException(response.getException().getMessage());            } else {                throw new OrcRpcException(response.getStatus().name());            }        }    }}

本实现只使用JDK动态代理，也可以使用cglib或Javassist实现以获得更好的性能，JdkProxyFactory中。

4 IO模块

UML图如下：

结构比较清晰，分三大模块：客户端调用适配模块、服务端请求响应适配模块和Netty IO服务模块。

客户端调用适配模块

此模块比较简单，主要是为客户端调用时建立服务端接，并将连接存入缓存，避免后续同服务调用重复建立连接，连接建立成功后发起调用。下面是DefaultInvocationClient的实现：

服务端请求响应适配模块

服务请求响应模块也比较简单，是根据请求中的服务名，从缓存中获取服务元数据，然后从请求中获取调用的方法和参数类型信息，反射获取调用方法信息。然后从spring context中获取bean进行反射调用。

Netty IO服务模块

Netty IO服务模块是核心，稍复杂一些，客户端和服务端主要处理流程如下：

其中，重点是这四个类的实现：NettyNetClient、NettyNetServer、NettyClientChannelRequestHandler和NettyServerChannelRequestHandler，上面的UML图和下面流程图基本上讲清楚了它们的关系和一次请求的处理流程，这里就不再展开了。

下面重点讲一下编码解码器。

在技术选型章节中，提及了采用的通信协议，定义了私有的RPC协议：

+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------+--------+ |  BYTE  |        |        |        |        |        |        |             ........ +--------------------------------------------+--------+-----------------+--------+--------+--------+--------+--------+--------+-----------------+ |  magic | version|  type  |           content lenth           |                   content byte[]                                        |        | +--------+-----------------------------------------------------------------------------------------+--------------------------------------------+

第一个字节是魔法数定义为0X35。
第二个字节代表协议版本号。
第三个字节是请求类型，0代表请求1代表响应。
第四个字节表示消息长度，即此四个字节后面此长度的内容是消息content。

编码器的实现如下：

@Overrideprotected void encode(ChannelHandlerContext channelHandlerContext, ProtocolMsg protocolMsg, ByteBuf byteBuf)    throws Exception {    // 写入协议头    byteBuf.writeByte(ProtocolConstant.MAGIC);    // 写入版本    byteBuf.writeByte(ProtocolConstant.DEFAULT_VERSION);    // 写入请求类型    byteBuf.writeByte(protocolMsg.getMsgType());    // 写入消息长度    byteBuf.writeInt(protocolMsg.getContent().length);    // 写入消息内容    byteBuf.writeBytes(protocolMsg.getContent());}

解码器的实现如下：

/** * 协议开始的标志 magic + version + type + length 占据7个字节 */public final int BASE_LENGTH = 7;
@Overrideprotected void decode(ChannelHandlerContext channelHandlerContext, ByteBuf byteBuf, List<Object> list)    throws Exception {    // 可读字节小于基本长度，无法解析出payload长度，返回    if (byteBuf.readableBytes() < BASE_LENGTH) {        return;    }    // 记录包头开始的index    int beginIndex;    while (true) {        // 记录包头开始的index        beginIndex = byteBuf.readerIndex();        // 标记包头开始的index        byteBuf.markReaderIndex();        // 读到了协议头魔数，结束循环        if (byteBuf.readByte() == ProtocolConstant.MAGIC) {            break;        }        // 未读到包头，略过一个字节        // 每次略过一个字节，去读取包头信息的开始标记        byteBuf.resetReaderIndex();        byteBuf.readByte();
        /**         * 当略过，一个字节之后，数据包的长度，又变得不满足         * 此时结束。等待后面的数据到达         */        if (byteBuf.readableBytes() < BASE_LENGTH) {            return;        }    }    // 读取版本号    byte version = byteBuf.readByte();    // 读取消息类型    byte type = byteBuf.readByte();    // 读取消息长度    int length = byteBuf.readInt();    // 判断本包是否完整    if (byteBuf.readableBytes() < length) {        // 还原读指针        byteBuf.readerIndex(beginIndex);        return;    }    byte[] data = new byte[length];    byteBuf.readBytes(data);
    ProtocolMsg msg = new ProtocolMsg();    msg.setMsgType(type);    msg.setContent(data);    list.add(msg);}

六测试

在本人MacBook Pro 13寸，4核I5，16g内存，使用Nacos注册中心，启动一个服务器，一个客户端情况下，采用轮询负载均衡策略的情况下，使用Apache ab测试。

在启用8个线程发起10000个请求的情况下，可以做到18秒完成所有请求，qps550：

在启用100个线程发起10000个请求的情况下，可以做到13.8秒完成所有请求，qps724：

七总结

在实现这个RPC框架的过程中，我也重新学习了很多知识，比如通信协议、IO框架等。也横向学习了当前最热的gRPC，借此又看了很多相关的源码，收获很大。后续我也会继续维护升级这个框架，比如引入熔断降级等机制，做到持续学习持续进步。

技术公开课

《Spring Cloud Alibaba Nacos 详解》

Nacos是阿里开源的配置管理与服务发现中心，其优势是将配置管理与服务发现合并，并且对Dubbo协议、RestApi统一管理。本课程使用Spring Cloud Alibaba体系架构进行案例演示，讲解Nacos配置管理、Nacos服务发现相关知识，从理论到实战帮助同学们快速将Spring Cloud Alibaba Nacos技术应用到项目中。

点击“阅读原文”，开始学习吧~

继续滑动看下一个