远程调用服务(RPC)和消息(Message Queue)对比及其适用/不适用场合

本文探讨了远程过程调用(RPC)与消息队列(Message Queue)的不同应用场景,重点介绍了两者之间的架构差异、功能特点及适用场合。指出RPC适用于需要同步返回结果的场景,而消息队列则适用于解耦发送方与接收方处理速度的情况。

转自:http://oldratlee.com/post/2013-02-01/synchronous-rpc-vs-asynchronous-message

在阿里的平台技术部参与开发了Dubbo(远程调用服务)和Napoli(消息解决方案),又给网站应用支持这2个产品2年,了解了这2个产品的实现及应用对这两个产品的用法。

大部分情况下,“给定场景下应该使用这两个产品中哪个”这个问题,大家都会容易决定,而且不需要多少讨论。

我为什么要拿出来讨论一下:

  • 一些场景会比较模糊,觉得都可以使用。这时需要知道产品缺点,而不是看到优势。
  • 一些新人会觉得产品功能是可以替换的,要给说明一下。

这里简单说一下两者的区别。

系统结构

1
2
3
4
5
6
7
8
9
10
11
12
13
14


RPC系统结构:
+----------+     +----------+
| Consumer | <=> | Provider |
+----------+     +----------+
Consumer调用的Provider提供的服务。
Message Queue系统结构:
+--------+     +-------+     +----------+
| Sender | <=> | Queue | <=> | Receiver |
+--------+     +-------+     +----------+
Sender发送消息给Queue;Receiver从Queue拿到消息来处理。

功能特点

在架构上,RPC和Message的差异点是,Message有一个中间结点Message Queue,可以把消息存储。

消息的特点

  • Message Queue把请求的压力保存一下,逐渐释放出来,让处理者按照自己的节奏来处理。
  • Message Queue引入一下新的结点,让系统的可靠性会受Message Queue结点的影响。
  • Message Queue是异步单向的消息。发送消息设计成是不需要等待消息处理的完成。

所以对于有同步返回需求,用Message Queue则变得麻烦了。

PRC的特点

  • 同步调用,对于要等待返回结果/处理结果的场景,RPC是可以非常自然直觉的使用方式。
    # RPC也可以是异步调用。
  • 由于等待结果,Consumer(Client)会有线程消耗。

如果以异步RPC的方式使用,Consumer(Client)线程消耗可以去掉。但不能做到像消息一样暂存消息/请求,压力会直接传导到服务Provider。

适用场合说明

  • 希望同步得到结果的场合,RPC合适。
  • 希望使用简单,则RPC;RPC操作基于接口,使用简单,使用方式模拟本地调用。异步的方式编程比较复杂。
  • 不希望发送端(RPC Consumer、Message Sender)受限于处理端(RPC Provider、Message Receiver)的速度时,使用Message Queue。

随着业务增长,有的处理端处理量会成为瓶颈,会进行同步调用到异步消息的改造。

这样的改造实际上有调整业务的使用方式。

比如原来一个操作页面提交后就下一个页面会看到处理结果;改造后异步消息后,下一个页面就会变成“操作已提交,完成后会得到通知”。

不适用场合说明

RPC同步调用使用Message Queue来传输调用信息。 上面分析可以知道,这样的做法,发送端是在等待,同时占用一个中间点的资源。变得复杂了,但没有对等的收益。

对于返回值是void的调用,可以这样做,因为实际上这个调用业务上往往不需要同步得到处理结果的,只要保证会处理即可。(RPC的方式可以保证调用返回即处理完成,使用消息方式后这一点不能保证了。)

返回值是void的调用,使用消息,效果上是把消息的使用方式Wrap成了服务调用(服务调用使用方式成简单,基于业务接口)。


### 远程过程调用(RPC)的概念 远程过程调用(Remote Procedure Call, RPC)是一种允许程序像调用本地函数一样调用另一台计算机上的资源的技术。它隐藏了底层的网络细节,使得开发者能够专注于业务逻辑而是复杂的通信机制[^1]。 在分布式系统中,RPC 是一种重要的工具,因为它简化了跨同节点之间的交互方式。通过这种方式,应用程序可以在同的地址空间之间共享数据服务,而无需关心具体的传输协议或者序列化/反序列化的复杂性。 --- ### RPC 的实现原理 #### 接口定义与服务注册 为了支持远程调用,通常需要先定义一组接口,这些接口描述了可供外部访问的功能集合。随后,在服务器端,开发人员需编写这些接口的具体实现,并将其注册到某个 RPC 框架的服务发现组件之中[^2]。 例如,在 Java 中可能有一个简单的加法操作作为接口: ```java public interface MathService { int add(int a, int b); } ``` 接着由服务器提供实际计算能力: ```java public class MathServiceImpl implements MathService { @Override public int add(int a, int b) { return a + b; } } ``` 此实例会被绑定至特定名称下供其他部分查找使用。 #### 客户端代理生成 当客户端希望执行某项远端任务时,它并直接面对物理层面上的目标主机而是经由一个中间件——即所谓的“存根”来进行间接沟通。这个存根负责封装所有的联网参数并将最终的结果反馈回来给原始请求者[^2]。 对于上面提到的例子来说就是创建了一个 `MathService` 类型的对象尽管实际上并没有这样的实体存在于当前进程中: ```java // 假设 RpcClientHelper 已配置好指向正确的服务位置 MathService mathService = RpcClientHelper.getProxy(MathService.class); int result = mathService.add(3, 5); // 调用了远程方法 System.out.println(result); // 输出8 ``` 在这里我们看到的是完全透明的过程调用体验即使背后涉及到了跨越多个地理位置的数据交换活动也感觉到任何区别。 --- ### 使用 RabbitMQ 实现基本的 RPC 功能 除了传统的基于 HTTP 或二进制流的解决方案之外还可以利用消息队列来构建类似的架构比如借助于 AMQP 协议下的 RabbitMQ 平台就可以轻松达成目标之一便是设置一对专门用于传递查询指令及其相应答复信息的消息通道再加上唯一标识符确保每次互动都能准确匹配起来从而形成闭环控制结构[^4]。 以下是采用 Python 编写的简单示范代码片段展示了如何结合 pika 库完成此类场景的设计思路: ```python import pika import uuid class FibonacciRpcClient(object): def __init__(self): self.connection = pika.BlockingConnection( pika.ConnectionParameters(host='localhost')) self.channel = self.connection.channel() result = self.channel.queue_declare(queue='', exclusive=True) self.callback_queue = result.method.queue self.channel.basic_consume( queue=self.callback_queue, on_message_callback=self.on_response, auto_ack=True) def on_response(self, ch, method, props, body): if self.corr_id == props.correlation_id: self.response = body def call(self, n): self.response = None self.corr_id = str(uuid.uuid4()) self.channel.basic_publish( exchange='', routing_key='rpc_queue', properties=pika.BasicProperties( reply_to=self.callback_queue, correlation_id=self.corr_id), body=str(n)) while self.response is None: self.connection.process_data_events() return int(self.response) fibonacci_rpc = FibonacciRpcClient() print(" [x] Requesting fib(30)") response = fibonacci_rpc.call(30) print(f" [.] Got {response}") ``` 在这个例子当中仅体现了标准模式还额外加入了错误处理机制以提高系统的健壮性可用度。 --- ### Spring Boot 下常见 RPC 框架简介 针对现代微服务体系而言往往倾向于选用更加成熟稳定的开源项目来做支撑工作其中就包括但限于以下几个选项[^3]: - **Apache Dubbo**: 主打高性能表现特别适合大规模集群环境内部通讯需求; - **gRPC**: Google 提倡的标准方案具备良好的互操性强兼容多种编程语言特性; - **Spring Cloud OpenFeign**: 更贴近 RESTful API 风格易于学习掌握同时也继承自 Netflix Eureka 生态圈优势明显; 每种技术选型都有各自适用范围因此建议依据实际情况灵活选取最为合适的那款产品投入生产实践环节去检验效果好坏与否。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值