在Python中使用gRPC的方法示例【h】
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 grpciopip 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 grpcimport msg_pb2import 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 futuresimport 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 grpcimport msg_pb2import msg_pb2_grpcfrom concurrent import futuresimport time_ONE_DAY_IN_SECONDS = 60 * 60 * 24class 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 grpcimport msg_pb2import msg_pb2_grpcdef 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。
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。