什么是 RPC？
初步印象
RPC的语义是远程过程调用，在一般的印象中，就是将一个服务调用封装在一个本地方法中，让调用者像使用本地方法一样调用服务。而具体的实现是通过调用方和服务方各自的stub基于TCP长连接进行数据交互达成。
上面的解释似云里雾里，仅仅了解到这种程度是远远不够的，还需要更进一步，以相对底层和抽象的视角来理解RPC。
三个特点
广义上来讲，所有本应用程序外的调用都可以归类为RPC，不管是分布式服务，第三方服务的HTTP接口，还是读写Redis的一次请求。从抽象的角度来讲，它们都一样是RPC，由于不在本地执行，都有三个特点：
-
- 需要事先约定调用的语义(接口语法)
- 需要网络传输
- 需要约定网络传输中的内容格式
以一次Redis调用为例，执行redis.set("rpc", 1)这个调用，其中：
-
set及其参数("rpc", 1)，就是对调用语义的约定，由redis的API给出- RedisServer会监听一个服务端口，通过TCP传输内容，用异步事件驱动实现高并发
- 底层库会约定数据如何进行编解码，如何标识命令和参数，如何表示结果，如何表示数据的结尾等等
这三个特点都是因为调用不在本地而不得不衍生出来的问题，也因此决定了RPC的形态。所有的RPC解决方案都是在解决这三个问题，不断地在提出更加优良的解决方案，试图达到更好的性能，更低的使用成本。 本文也将围绕这三个特点来展开内容。
常规的RPC一般都是基于一个大的内部服务，进行分布式拆分，由于其语义上以本地方法的作为入口，那么天然的就更倾向于具备高性能、支持复杂参数和返回值、跨语言等特性。下图是RPC调用的过程示意图：
协议约定
Stub会负责封装命令和参数，并以特定的数据格式进行打包。其中命令、参数和返回值的需要客户端和服务端的Stub事先进行协商，双方都需要维护一份完全一样的方法及参数列表。
更进一步需要知道对方如何进行压缩打包，如何压缩结构体，如何压缩Class等等，并严格按照标准进行解压缩，中途有任何一丝的差错都会的导致调用失败。
所以一般情况下可能会对数据进行一定的校验，同时要协商方法、参数等错误时如何返回。 这是一个比较繁杂的过程，混合了调用语法和 内容解压缩两部分内容，可被理解为协议约定问题。
网络传输
搞定了协议约定问题后，接下来就是要通过Runtime进行内容传输了，这又是一大难题，一般是需要通过Socket编程来实现，一般使用TCP或UDP来进行传输。
如果是UDP可以用数据报来区分每一次请求和回复；但如果是字节流的TCP，就需要用特殊的方式来标示请求或回复的末尾，用来区分不同的请求。
同时当对调用性能有要求时，可能会使用Socket的异步编程模型，消除等待中的消耗，这会引入事件机制，通过状态机来解析处理或回复请求。当出现超时、丢包等情况时还进行做重试、重传、报错等等。
拆解到协议约定和网络传输时，就会发现实现RPC调用是一件非常复杂的事情，自己实现千难万难，接下来就了解一番已有的，针对协议约定和网络传输的解决方案。
ONC RPC
ONC RPC是相对早期的RPC解决方案，通过外部数据表示法来约定数据的压缩方式：
被传输的所有内容都需要按上面的约定进行压缩，这样接收方就能顺利地按照同样的协议进行解压缩。虽然解决了压缩问题，但无法识别哪些是函数、哪些是类、哪些是参数等，因此需要自定义一份文件，规定什么样的数据是函数、类等。然后客户端和服务器按按此规则划分参数等
对于命令和参数列表的约定，会创建一份公共的协议文件，里面会定义被调用的方法名，参数列表，对象的列表等等。然后用特定工具将文件进行解析生成Stub程序，客户端和服务端都同时将Stub程序放在代码中。比如对方法名进行编号，将GetUserName(userId)这个方法编号为1，在调用时就将1传输给服务端，服务端通过协议文件就知道调用的是方法，这样节省了大量的空间。
传输则通过对应的类库实现，通过Socket编程实现的非常复杂的解决方案，包含了超时、失败、异常处理、状态转换等等功能。
这种早期的方案，在每一次代码更新时都需要重新生成Stub程序，调用方和服务方都需要及时更新对应的文件。给某一个方法增加一个默认参数，都需要全部使用者同步升级，从迭代或多版本的场景看来，这是一场噩梦。
RESTfull HTTP JSON
RESTfull是一种资源状态转换的架构风格，也可以用来实现RPC， 互联网对HTTP超广泛的支持，使得这相当简单，也是大多数情况下的首选。
通过HTTP协议来进行内容传输，Header用来约定编码、body大小等，彼此以
来分割，Header和body之间通过两个连续的
来间隔，能很容易地区分不同的请求。
通过Url和对应参数来标示要调用的方法和参数。在body中用JSON对内容进行编码，极易跨语言，不需要约定特定的复杂编码格式和Stub文件。在版本兼容性上非常友好，扩展也很容易。
众多的优点使得这种方案广受欢迎。不过也有其无法避开的弱点：
-
- HTTP的header和Json的数据冗余和低压缩率使得传输性能差
- JSON难以表达复杂的参数类型，如结构体等
gRPC HTTP2.0 Protobuf
gRPC是一款RPC框架，在性能和版本兼容上做了提升和让步：
-
- Protobuf进行数据编码，提高数据压缩率
- 使用HTTP2.0弥补了HTTP1.1的不足
- 同样在调用方和服务方使用协议约定文件，提供参数可选，为版本兼容留下缓冲空间
protobuf是一款用C++开发的跨语言、二进制编码的数据序列化协议，以超高的压缩率著称。它和早期的RPC方案一样，需要双方维护一个协议约束文件，以.proto结尾，使用proto命令对文件进行解析，会生成对应的Stub程序，客户端和服务端都需要保存这份Stub程序用来进行编解码。对于这种协议文件导致的升级困难问题，protobuf 3 中定义的字段默认都是可选的(可以不传)，在接口升级时，部分客户端不需要升级自己的Stub程序。
// ***.proto文件 syntax = "proto3"; package id_rpc; message BusinessType {// 定义参数 string name = 1; //参数字段 } message UniqueId {// 定义返回值 uint64 id = 1; string business_type = 2; } service UniqueIdService {// 定义服务，可以调用 MakeUniqueId 方法 rpc MakeUniqueId(BusinessType) returns (UniqueId){} }
对于JSON等文本形式的序列化协议来说，protobuf能有几十倍空间和性能提升， 比如传输123，文本类的需要3个字节(ascii 31 32 33)来传输，而二进制类只需要一个字节(01111011)就可以表示。
同时protobuf会维护.proto文件，这样在解析文件生成Stub程序时，可以对方法名等进行编号，传输时只传编号，而不用传方法的名字，这又可以节省大量字节，还有其他更多的精巧压缩方法，比如TLV，详情可以参考proto encoding 。
解决了数据体积的问题后，gRPC使用HTTP2来改善传输性能。 HTTP2是在HTTP1.1的基础上做了大量的改进，HTTP1.1虽然引入了KeepAlive复用TCP连接，但仍然有很多问题：
-
- 使用KeepAlive的请求是串行执行(非pipeline时)，pipeline时有队首阻塞问题
- 每次都需要发送不必要的Header
- 不能双向通信
简单补充一下pipeline，HTTP1.1中允许多个请求复用连接，同时可以一口气将请求全部发出去，不用一个返回后再发送第二个，提升并发性。而服务端需要将请求的结果，按照pipeline中发送的顺序进行顺序返回，如果靠前的请求阻塞了，那么靠后请求返回就会被动等待。
HTTP2解决了这些问题，引入了新的机制：
-
- 在两端建立Header索引表，每次只发送索引，减小header体积
- 建立虚拟通道，将数据拆分成多个流，每个流有自己的ID和优先级，并且流可以双向传输，每个流可以进一步拆成多个帧。可以将多个请求切成不同的流发送，每个流可以独立返回，避开1.1的串行或队首阻塞问题。
同时，基于HTTP2的数据流机制，gRPC客户端和服务端可以实现批量操作优化，客户端可以攒一些请求，一口气发给服务端，服务端也可以批量返回结果，借此实现流式rpc。
RabbitMQ
r pc作为一种极常见的服务形态，以异步和解耦著称的mq也自然不会放过这个场景，rabbitmq就为rpc调用提供了很好的支持。
一般和rabbitmq的交互场景是发布或消费消息，是一个单向的过程，而rpc却是一种同步的双向交互过程，在使用上有些差异。要理解rabbitmq如何实现rpc，还是可以从上面三个抽象的特点出发，万变不离其宗。
如何协商调用语义
mq中的消息是从exchange分发到queue中，消费端在特定的queue中获取消息，rpc的请求依然要走这条路径: 方法调用->exchange->queue->方法执行。
创建一个direct类型的exchange，让每个rpc方法对应一个queue，这个exchange通过routing_key分发到对应的queue中， 让特定的消费者来实际执行rpc方法。这样rpc方法的语义就通过queue来约定，而方法的参数，可以放入消息中。
如何将结果传递回客户端
方法调用->exchange->queue->方法执行, 这条路是单行道，方法执行端执行完rpc方法后不能按照原路将结果返回给客户端。要实现结果回传，就得再开辟一条结果回传端->exchange->queue->结果等待端路径，一条用来发送rpc请求，另一条用来回传rpc结果，方法调用者和方法执行者都会扮演生产者和消费者。
rabbitmq中有回调队列(Callback queue)来实现调用结果回传，同时有关联ID(Correlation Id)来唯一标识每一份调用结果。
rpc调用方在发送请求时，会在数据中带上回调队列信息(routing_key)和关联ID，rpc执行方在执行完方法后，就将关联ID掺入执行结果中，并将结果通过exchange发往回调队列(通过routing_key)。 rpc调用方在发送请求后，紧接着在设置的回调队列中等结果就行。 整个过程(两条路径)共用同一个exchange。
调用参数和调用结果的打包可以用JSON，protobuf等等，协商一致即可。完整示例代码
使用mq实现rpc，有其独有的优势，rpc执行端可以轻松地横向扩展，rpc调用方也不用考虑负载均衡，沿袭了mq解耦的优点。不过对于调用超时，执行端崩溃等等情况得做额外处理。调用方在等待结果时需要设置超时间，高性能的rpc调用还需要调用方能异步高效地通过关联ID将请求结果储存起来，等待调用者获取。Spring框架的实现方案就是用一个HashMap将结果保存起来，等待调用者以关联ID作为key来取结果。
服务发现
上面介绍了常见的rpc实现方案，而RPC作为分布式服务的一种形态，本身还有服务发现和负载均衡的问题需要解决(mq除外)。服务注册和发现作为分布式系统的基础设施之一，有很多的解决方案，例如： zookeeper、ETCD、envoy等等。服务启动后向公开的注册中心进行服务注册，服务调用方在调用前，向注册中心查询对应服务的地址，这又是一项工程，不过一般的请求规模也不需要这套东西，更高端的方案，得期待ServiceMesh的进一步发展了。
总结
RPC从抽象的角度来看，具有需要约定调用语法，需要约定编码格式，需要网络传输这三大特点，进一步可以归纳为协议约定问题和网络传输问题，本文的主要内容都围绕这两大问题，并介绍常见的解决方案，借此对建立RPC更深的理解。