本文介绍了在Python中使用gRPC的方法示例,分享给大家,具体如下:
使用Protocol Buffers的跨平台RPC系统。
安装
使用 pip
1
2
|
pip install grpcio pip install grpcio - tools googleapis - common - protos |
gRPC由两个部分构成,grpcio 和 gRPC 工具, 后者是编译 protocol buffer 以及提供生成代码的插件。
使用
编写protocol buffer
使用 gRPC 首先需要做的是设计 protocol buffer。新建一个 msg.proto
文件。
1
2
3
4
5
6
7
8
9
10
11
12
13
|
syntax = "proto3" ; service MsgService { rpc GetMsg (MsgRequest) returns (MsgResponse){} } message MsgRequest { string name = 1 ; } message MsgResponse { string msg = 1 ; } |
以上面的这个消息服务为例,首先是规定语法,这里使用的是 proto3
的语法。接着使用 service
关键字定义服务,gRPC 提供4种 RPC 类型的服务,这里定义的是第一种单一请求单一回应,类似普通的函数调用,其他的使用到了 stream
关键字,将其放在括号里,代表这个数据是流数据。这个以后再来研究,本次先设计一个简单的RPC。
之后定义两个 message
,一个是请求的结构,一个是回应的结果。 这里表示这个数据结构是字符串,protocol buffer 还可以定义为 int32,int64,double,float 等等。这里赋予的初值可以随便填写,实际使用中,会被赋予新的值。
生成接口代码
因为之前安装好了一些辅助插件,使用这里直接可以生成。
1
|
python -m grpc_tools.protoc -I . --pythoout=. --grpc_python_out=. msg.proto |
这里会生成两个文件, msg_pb2.py
和 msg_pb2_grpc.py
。这两个文件是为后续的服务端和客户端所用。前者是定义了一些变量,例如 _MSGREQUEST
中就包含了请求函数的名字,可接受的变量,实际上还是 msg.proto
里定义的东西。
创建服务端
首先需要导入 RPC 必备的包,以及刚才生成的两个文件。
1
2
3
|
import grpc import msg_pb2 import msg_pb2_grpc |
因为 RPC 应该长时间运行,考虑到性能,还需要用到并发的库。
1
2
3
4
|
from concurrent import futures import time _ONE_DAY_IN_SECONDS = 60 * 60 * 24 |
在 Server 中,主要是实现服务,按照 msg.proto
定义的,这里需要写一个服务类 MsgServicer
,这个类需要实现之前定义的 GetMsg
。
1
2
3
4
5
|
class MsgServicer(msg_pb2_grpc.MsgServiceServicer): def GetMsg( self , request, context): print ( "Received name: %s" % request.name) return msg_pb2.MsgResponse(msg = 'Hello, %s!' % request.name) |
GetMsg 接收到的请求是在 request
中, msg.proto
中定义的 name
就是 request.name
,接着在 GetMsg 中设计 msg.proto
中定义的 MsgResponse
。
之后实现启动服务的部分即可。
1
2
3
4
5
6
7
8
9
10
|
def serve(): server = grpc.server(futures.ThreadPoolExecutor(max_workers = 10 )) msg_pb2_grpc.add_MsgServiceServicer_to_server(MsgServicer(), server) server.add_insecure_port( '[::]:50051' ) server.start() try : while True : time.sleep(_ONE_DAY_IN_SECONDS) except KeyboardInterrupt: server.stop( 0 ) |
通过并发库,将服务端放到多进程里运行。
完整 msg_server.py
代码如下
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
import grpc import msg_pb2 import msg_pb2_grpc from concurrent import futures import time _ONE_DAY_IN_SECONDS = 60 * 60 * 24 class MsgServicer(msg_pb2_grpc.MsgServiceServicer): def GetMsg( self , request, context): print ( "Received name: %s" % request.name) return msg_pb2.MsgResponse(msg = 'Hello, %s!' % request.name) def serve(): server = grpc.server(futures.ThreadPoolExecutor(max_workers = 10 )) msg_pb2_grpc.add_MsgServiceServicer_to_server(MsgServicer(), server) server.add_insecure_port( '[::]:50051' ) server.start() try : while True : time.sleep(_ONE_DAY_IN_SECONDS) except KeyboardInterrupt: server.stop( 0 ) if __name__ = = '__main__' : serve() |
创建客户端
客户端相对简单一些,这里我写了一个简单的客户端。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import grpc import msg_pb2 import msg_pb2_grpc def run(): # NOTE(gRPC Python Team): .close() is possible on a channel and should be # used in circumstances in which the with statement does not fit the needs # of the code. with grpc.insecure_channel( 'localhost:50051' ) as channel: stub = msg_pb2_grpc.MsgServiceStub(channel) response = stub.GetMsg(msg_pb2.MsgRequest(name = 'world' )) print ( "Client received: " + response.msg) if __name__ = = '__main__' : run() |
使用 grpc.insecure_channel('localhost:50051')
进行连接 服务端, 接着在这个 channel
上创建 stub
, 在 msg_pb2_grpc
里可以找到 MsgServiceStub
这个类相关信息。这个 stub
可以调用远程的 GetMsg
函数。 MsgRequest
中的 name
即 msg.proto
中定义的数据。在回应里可以得到 msg.proto
中定义的 msg
。
运行
首先运行 python msg_server.py
启动服务端,接着运行 python msg_client.py
机会看到客户端接收到了服务端传来的消息。以上就是一个简单的 RPC 的使用。
总结
这里只是简单的用了一下 gRPC,关于另外三种模式,还在摸索。比起gRPC,我感觉简单 RestFul 更讨我喜欢。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。
原文链接:http://xinqiu.me/2018/08/07/learn-grpc/