MLAPI项目中RPC函数重写导致重复调用问题的分析与解决方案
2025-07-03 06:02:45作者:卓炯娓
问题背景
在Unity的MLAPI网络框架(Netcode for GameObjects)1.9.1版本中,开发者发现了一个关于RPC(远程过程调用)函数重写的异常行为。当开发者尝试在派生类中重写基类的RPC函数并使用SendTo.Everyone参数时,如果在该重写函数中调用基类的实现(base.MethodName()),会导致RPC函数被意外地执行两次。
问题现象
具体表现为:
- 基类中定义了一个标记为[Rpc(SendTo.Everyone)]的虚方法
- 派生类重写了这个RPC方法并在其中调用了base.MethodName()
- 当调用该RPC方法时,方法体中的逻辑会被执行两次
技术分析
这种异常行为的发生与MLAPI框架处理RPC消息的机制有关。当使用SendTo.Everyone参数时,框架会在网络层面确保所有客户端(包括发送方)都能接收到这个RPC调用。而在继承体系中,基类和派生类的RPC方法都被注册为可调用的RPC端点,导致消息被重复处理。
更深入的技术原因在于:
- MLAPI框架会为每个标记为RPC的方法生成消息处理端点
- 当方法被重写时,基类和派生类的方法都被注册为独立的端点
- 调用base.MethodName()实际上触发了另一个RPC端点
- 由于SendTo.Everyone的作用域,这两个端点都会被执行
解决方案
官方建议的最佳实践是避免直接重写RPC方法本身,而是采用以下设计模式:
- 在基类中定义实际的RPC方法,但不设为虚方法
- 同时定义一个受保护的虚方法作为RPC的实际实现
- RPC方法内部调用这个虚方法
- 派生类只需重写这个虚方法即可
示例代码实现:
public class Test : NetworkBehaviour
{
protected virtual void OnTestRpc()
{
print("基类实现");
}
[Rpc(SendTo.Everyone)]
public void TestRpc()
{
OnTestRpc();
}
}
public class Test2 : Test
{
public void Run()
{
TestRpc();
}
protected override void OnTestRpc()
{
base.OnTestRpc(); // 正确调用基类实现
print("派生类扩展");
}
}
设计考量
这种设计模式有几个显著优点:
- 解耦网络通信与业务逻辑:将网络调用与实际实现分离,提高代码的可维护性
- 避免框架级问题:绕过了MLAPI处理虚RPC方法时的潜在问题
- 更好的扩展性:派生类可以灵活地扩展或修改行为而不影响网络通信
- 清晰的职责划分:RPC方法只负责网络通信,虚方法负责实际逻辑
总结
在MLAPI框架中使用RPC时,特别是在涉及继承体系的情况下,开发者应当遵循"RPC方法非虚,实际逻辑可扩展"的设计原则。这不仅能避免重复调用的问题,还能使代码结构更加清晰、可维护性更高。理解框架底层的工作原理有助于开发者设计出更健壮的网络通信代码,避免类似的陷阱。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
645
149
Ascend Extension for PyTorch
Python
207
221
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
653
286
React Native鸿蒙化仓库
JavaScript
250
317
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.13 K
637
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
78
101
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873