tarpc:Rust中的易用RPC框架
2024-05-22 02:48:59作者:冯爽妲Honey
简介
tarpc是一个专为Rust设计的远程过程调用(RPC)框架,注重简洁和便捷性。定义服务只需几行代码,并且大部分服务器的繁琐工作都已为你处理好。不是Google的官方产品,但由其开发团队维护。
项目技术分析
tarpc与其他RPC框架的最大区别在于它在代码中定义服务规范,而非依赖如.proto这样的独立语言。这意味着没有额外的编译步骤,也不需要在不同语言之间切换。核心特性包括:
- 可插拔传输:任何实现了
Stream<Item = Request> + Sink<Response>的类型都可以作为客户端和服务端之间的传输层。 - 非必需的'Send + 'static:如果传输层不需要,tarpc也不会强制要求。
- 级联取消:当请求被取消时,会向服务器发送取消消息。服务器将停止对该请求的未完成工作,并可能进一步取消自身产生的请求,形成级联效应。
- 自定义超时与超时传播:默认请求超时时间为10秒。服务器会在超时时自动停止工作,并将超时传递给下游请求。
- 分布式追踪:集成tracing和OpenTelemetry,支持Jaeger等兼容的跟踪收集器,或者直接与常规日志记录器配合使用。
- Serde序列化:启用
serde1Cargo功能后,服务请求和响应可以实现Serialize + Deserialize,但不是强制性的,不需序列化的场景可以选择内存传输。
应用场景
tarpc适用于构建微服务架构,尤其适合那些希望在代码中直接定义服务接口的项目。例如,可以在多个内部服务之间进行高效的数据交互,或者搭建跨网络通信的服务集群。
项目特点
- 简单快速的定义服务:使用
tarpc::service宏,可以轻松快捷地定义服务并实现其业务逻辑。 - 灵活的传输层:能够适应各种传输方式,包括但不限于网络和内存通道。
- 无侵入的API:tarpc提供的API既不增加额外的编程模型复杂度,又保持了Rust本身的良好体验。
- 高性能与低延迟:由于无需跨语言边界,tarpc通常能提供更高效的性能和更低的延迟。
示例代码
以下是一个使用tokio的简单示例,展示了如何创建一个简单的RPC服务:
use futures::future::{self, Ready};
use tarpc::{
client, context,
server::{self, Channel},
};
// 定义服务
#[tarpc::service]
trait World {
async fn hello(name: String) -> String;
}
// 实现服务
#[derive(Clone)]
struct HelloServer;
impl World for HelloServer {
type HelloFut = Ready<String>;
fn hello(self, _: context::Context, name: String) -> Self::HelloFut {
future::ready(format!("Hello, {name}!"))
}
}
// 主程序启动服务并创建客户端
#[tokio::main]
async fn main() -> anyhow::Result<()> {
let (client_transport, server_transport) = tarpc::transport::channel::unbounded();
let server = server::BaseChannel::with_defaults(server_transport);
tokio::spawn(server.execute(HelloServer.serve()));
let client = WorldClient::new(client::Config::default(), client_transport).spawn();
let hello = client.hello(context::current(), "Stim".to_string()).await?;
println!("{}", hello);
Ok(())
}
总结来说,tarpc是Rust社区的一款强大而易于上手的RPC解决方案。无论是初学者还是经验丰富的开发者,都能从中受益,减少服务开发的复杂性和时间成本。立即尝试tarpc,体验简单高效的RPC编程吧!
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
【免费下载】 国际学术会议Poster海报模板集合【免费下载】 正点原子串口调试助手 XCOM V2.6 下载 开源项目推荐:OpenTelemetry 中文文档库探索 Coursera 机器学习 Python 实现:从理论到实践的完整指南 探索创新:Forge - 轻松构建3D应用的框架 推荐一款开源Python库——pyFirmata 探秘Sysinfo:一款强大的系统信息获取工具 SensatUrban:城市级3D点云语义分割的革命性数据集 Ubuntu Tweak: 提升你的 Ubuntu 系统体验【亲测免费】 探索React Native的多滑块组件:react-native-multi-slider
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
474
3.54 K
React Native鸿蒙化仓库
JavaScript
287
339
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
224
92
Ascend Extension for PyTorch
Python
283
316
暂无简介
Dart
723
175
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
10
1
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++
849
441
🎉 (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
1.27 K
701
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19