写点什么

gRPC1.0 发布,来自 Google 的 RPC 框架

  • 2016-09-04
  • 本文字数:1677 字

    阅读完需:约 6 分钟

一直以来,构建一个高度可扩展且松耦合的系统是很困难的。来自 Google 的 gRPC 框架致力于解决这个领域问题。它自去年面世以来收到了社区的大量关注和使用。8 月 23 日 Google 正式发布了 gRPC 的 1.0 版本,并可用于生产。在此次发布中增加了新版本对多语言的支持、API 稳定性等,引起了社区广泛的关注。

gRPC 是一个高性能、开源、通用的 RPC 框架,它基于 Proto Buffers 进行数据序列化,并将移动和 HTTP/2 作为设计的首要考虑因素。与单一 RPC 请求方式不同,gRPC 使用 HTTP/2 提供客户和服务器间的单向或双向流,同时可以带来流量控制、头部压缩、单 TCP 连接上的多复用请求等特性。Google 认为 gRPC 以“利用带宽和 CPU 效率、低延迟的方式来创建大规模分布式系统,可以应用在数据中心、移动应用程序、实时通信、物联网设备和 API 等,且有很好的表现。”而微服务是 gRPC 的主要目标。

gRPC 最早源于被称为 Stubby 的 Google 内部项目,用于一些 Google 内部服务间的通信。18 个月前 Google 开源了 gRPC 框架,希望借此 gRPC 能被更广泛地采纳,并在调用 Google 所提供的服务时、通过互联网与其它服务通信时或在自身产品内部应用 gRPC。

gRPC 是与平台无关的 RPC 系统。如下图所示,gRPC 允许开发人员编写语言无关的服务定义,指定远程调用参数和返回类型。服务器端实现服务定义,并运行一个 gRPC 服务器来处理客户的调用;而客户端则部署支持客户端调用的服务器端实现存根。这些代码都可由 gRPC 基于服务定义和自选的开发语言在编译器的帮助下自动生成。这使得客户端应用程序可以像调用本地对象一样调用服务器端应用程序,从而帮助开发人员更容易地创建分布式应用程序和服务。

同时,gRPC 也可以帮助处理高效的网络通信、认证和访问控制(如 SSL/TLS 和 OAuth2 方式的认证)、分布式跟踪等问题。gRPC 与 Proto Buffers 一起可以帮助实现松耦合、工程化的速度、更高的可靠性以及操作的易用性。这也是在过去的 15 年中,Google 内部采用 Stubby 和 RPC 框架解决的问题。Google 声称期望通过将这一框架开源给社区,让更多的组织和社区收益。

自 2015 年至今,我们也看到 gRPC 项目在很多方面的改进。这次 1.0 版本中主要包括以下几点:

  • 对多种语言绑定的支持,如 C ++、Java、Go、Node、Ruby、Python 和 C#,并且可以跨 Linux、Windows 和 Mac 多种操作系统。
  • Objective-C 和 Android 的 Java 库也在迁移到 1.0 版本,使移动应用能够更有效地连接到后端服务。
  • 在安装方面,gRPC 支持以 CocoaPods、gem、Gradle、Maven、npm、NuGet、pecl、pip 或 Docker 镜像等方式提供的二进制文件,这大大简化了安装过程。在 1.0 版本中,增加了绝大多数语言单行安装、向后兼容性等的支持。
  • gRPC1.0 依赖于 Protocol Buffers 最新版本 3.0。

此外,gRPC1.0 的核心协议和 API 在可用性、互操作性、性能等方面都有所提升。相对于文本格式而言,ProtoBuf 方式可提供更优的性能。据 Google 工程师 Kelsey Hightower 介绍,ProtoBuf 编码的消息比 JSON 格式消息的大小降低了一半,而序列化和反序列化所用的时间仅为后者的三分之一。为了显示各种 gRPC 实现的通信延迟情况对比,Google 给出了在同一数据中心中不同虚拟机实例间的通信性能精要报告。对于单一的同步安全消息,报告显示作为基准的 Netperf 的延迟大约为 100 微秒,而 C 、Java 和 C#语言实现的延迟大约在 200 到 300 微秒,Ruby、Python 和 Node.js 语言实现的延迟分别在 700 微秒、900 微秒和 1,100 微秒左右。

不得不说,gRPC1.0 版本的发布标志着一个重要里程碑的诞生。与此同时,社区对于 gRPC 的兴趣迅速提升,同时随着像 Netflix、CoreOS、 Square 等公司和开源项目的使用,必然能够推动 gRPC 作为一个通用 RPC 框架的发展以及相关生态圈的成熟,从而使更多的组织和社区受益。

你可以在这里查阅1.0 版本的更多发布细节。如果你感兴趣,不妨开始尝试 gRPC 并通过邮件列表来给予反馈。


感谢郭蕾对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作,请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博( @InfoQ @丁晓昀),微信(微信号: InfoQChina )关注我们。

2016-09-04 19:005688

评论

发布
暂无评论
发现更多内容

从HPACK到多路复用,揭秘HTTP/2如何终结网络拥堵

poemyang

网络协议 RPC HTTP2.0 RPC架构

黑龙江等保测评合格标准与实施路径:确保信息系统安全稳定运行

等保测评

工业管理 团队建设经验总结(3)

万里无云万里天

项目管理 工业 工厂运维

黑龙江等保测评新流程:定级备案的深化与细化

等保测评

YashanDB数据库开发者常用命令及其解读

数据库砖家

YashanDB数据库跨平台兼容性及应用前景分析

数据库砖家

软通动力2025半年报:营收稳步攀升,全栈智能点亮发展新局

财见

YashanDB数据库可扩展性设计分析与实现

数据库砖家

YashanDB数据库内存管理优化实战技巧

数据库砖家

YashanDB数据库迁移工具及实操教程

数据库砖家

YashanDB数据库权限管理实战攻略

数据库砖家

工业数字化 信息化经验总结(6)

万里无云万里天

数字化转型 信息化 工业 工厂运维

恒香全新旗舰店开幕 新店传承百年文化

编程猫

IPD中的扫地僧(TDT技术开发团队),都在扫什么?

IPD产品研发管理

技术 后端 IPD 产品研发 集成产品开发

YashanDB数据库连接管理及资源优化指南

数据库砖家

增强式 BI:让数据会推理,让决策更简单

数据集成与治理

FineBI

强化学习的 “GPT-3 时刻” 即将到来

Baihai IDP

人工智能 AI 强化学习

YashanDB数据库连接池配置及性能优化指南

数据库砖家

YashanDB数据库企业运维自动化最佳实践分享

数据库砖家

大数据-81 Spark 手把手搭建 分布式计算环境:从下载配置到多节点部署

武子康

Java 大数据 flink spark 分布式

2025年黑龙江等保测评注意事项大盘点

等保测评

YashanDB数据库开发指南:从入门到精通

数据库砖家

AI 对话式分析:让业务数据开口说话,让决策及时有效

数据集成与治理

FineBI

工业数据消费迎来“抖音式”革命:TDengine IDMP 让数据自己开口说话

TDengine

大数据 tdengine 运维 idmp

从“读标签”到“懂场景”,RFID识别再突破,斯科CK-T4获得IOTE金奖2025创新产品

斯科信息

斯科信息 AI算法RFID门禁 RFID智能门禁

AI Compass前沿速览:Jetson Thor英伟达AI计算、Gemini 2.5 Flash Image、Youtu腾讯智能体框架、Wan2.2-S2V多模态视频生成、SpatialGen 3D场景生成模型

汀丶人工智能

YashanDB数据库快速入门教程与实用技巧

数据库砖家

YashanDB数据库企业级应用中安全合规要求解读

数据库砖家

百度智能云,造出了AI时代的擎天柱

脑极体

AI

gRPC1.0发布,来自Google的RPC框架_语言 & 开发_禚娴静_InfoQ精选文章