Buf项目中的多输入源代码生成策略解析
2025-05-24 19:35:47作者:翟萌耘Ralph
在微服务架构开发过程中,服务间通过gRPC进行通信时,经常需要处理来自不同代码库的proto文件生成需求。本文将深入分析如何在使用Buf工具时,优雅地处理来自不同代码库的proto文件生成问题。
问题背景
在实际开发场景中,一个服务可能需要同时处理两类proto文件:
- 本地服务定义的proto文件
- 依赖的远程服务提供的proto文件
理想情况下,我们希望这两类文件生成的代码能够放置在不同的目录结构中,便于管理和维护。例如:
- 本地proto生成的代码放在
pkg/api目录 - 远程服务proto生成的代码放在
pkg/remote_api目录
Buf工具的当前解决方案
Buf工具目前通过分离生成模板的方式来解决这个问题。具体实现方案如下:
- 本地proto生成配置 (
buf.gen.yaml)
version: v2
plugins:
- remote: buf.build/protocolbuffers
out: pkg/api
opt:
- paths=source_relative
inputs:
- directory: api
- 远程proto生成配置 (
buf.remote.gen.yaml)
version: v2
plugins:
- remote: buf.build/protocolbuffers
out: pkg/remote_api
opt:
- paths=source_relative
inputs:
- git_repo: "https://github.com/serviceA.git"
branch: master
subdir: api
- 执行生成命令
# 生成本地proto代码
buf generate
# 生成远程proto代码
buf generate --template buf.remote.gen.yaml
技术实现原理
Buf工具的设计哲学是将输入源(inputs)和插件配置(plugins)解耦。这种设计带来了以下特点:
- 插件配置独立性:每个插件可以独立配置输出目录,不受输入源影响
- 输入源透明性:插件不需要关心proto文件来自本地目录还是远程仓库
- 组合灵活性:同一组插件可以应用于不同的输入源组合
最佳实践建议
- 目录结构规划:建议为每个远程服务创建独立的生成配置和输出目录
- 版本控制:对于远程仓库依赖,建议固定特定分支或tag版本
- 生成隔离:将不同来源的生成代码放在不同目录,避免命名冲突
- CI/CD集成:在构建流程中分别执行不同生成配置
未来演进方向
虽然当前方案已经能够解决问题,但从用户体验角度,可以考虑以下改进方向:
- 单文件多配置支持:允许在一个配置文件中定义多个生成策略
- 输入源级输出覆盖:为特定输入源设置特殊的输出目录
- 依赖管理集成:与go mod等依赖管理工具深度集成
通过理解Buf工具的这些特性和最佳实践,开发者可以更好地管理微服务架构中的proto文件生成需求,提高开发效率和代码可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0138
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
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
468
463
暂无描述
Dockerfile
777
5.08 K
Ascend Extension for PyTorch
Python
757
966
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
876
2.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
697
1.4 K
昇腾LLM分布式训练框架
Python
185
231
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.25 K
676
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271