springboot 整个grpc-蒲公英云

springboot 整个grpc

什么是gRPC

gRPC是谷歌开源的基于go语言的一个现代的开源高性能RPC框架，可以在任何环境中运行。它可以有效地连接数据中心内和跨数据中心的服务，并提供可插拔的支持，以实现负载平衡，跟踪，健康检查和身份验证。它还适用于分布式计算的最后一英里，用于将设备，移动应用程序和浏览器连接到后端服务。

简单的服务定义:使用Protocol Buffers定义您的服务，这是一个功能强大的二进制序列化工具集和语言

一、搞定protobuf

1）maven，在plugins目录下加入下面的plugin

<plugin>
                <groupId>org.xolstice.maven.plugins</groupId>
                <artifactId>protobuf-maven-plugin</artifactId>
                <version>0.5.0</version>
                <configuration>
                    <protocArtifact>com.google.protobuf:protoc:3.3.0:exe:${os.detected.classifier}</protocArtifact>
                    <pluginId>grpc-java</pluginId>
                    <pluginArtifact>io.grpc:protoc-gen-grpc-java:1.6.1:exe:${os.detected.classifier}</pluginArtifact>
                </configuration>
                <executions>
                    <execution>
                        <goals>
                            <goal>compile</goal>
                            <goal>compile-custom</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>

2）注意：os.detected.classifier，如何得到：

如何得到os.detected.classifier

3）编译之后，在右边maven的目录下，会出现protobuf的插件

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzI2NDcy_size_16_color_FFFFFF_t_70

4）写.proto文件，定义服务。注意.proto的位置，和java在同一目录

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzI2NDcy_size_16_color_FFFFFF_t_70 1

modelTraining.proto的内容：

syntax = "proto3";
//定义输出的目录，生成的目录就是“net/devh/examples/grpc/lib”下面
option java_package = "com.product.selftraining.proto";
//定义输出的文件名称，生成在lib下的就是HelloWorldProto.class
option java_outer_classname = "ModelTrainingProto";
// The greeting service definition.
//定义的接口的类，这里会生成一个SimpleGrpc.class，服务端需要来实现的
service ModelTrainingService {
    //定义接口方法
    //定义训练接口，调用python的服务
    rpc modelTrainning (ModelTrainingRequest) returns (TrainingResponse) {
    }
}
//请求参数
message ModelTrainingRequest {
    string name = 1;
}
//返回结果
message TrainingResponse {
    string message = 1;
}

点击protobuf的compile和compile-custome

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzI2NDcy_size_16_color_FFFFFF_t_70 2

会在target文件夹下生成相应的文件

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzI2NDcy_size_16_color_FFFFFF_t_70 3

至此，protobuf搞定

二、grpc-client搭建

新增加依赖：grpc-client起步依赖

<dependency>
            <groupId>net.devh</groupId>
            <artifactId>grpc-client-spring-boot-starter</artifactId>
            <version>2.6.1.RELEASE</version>
        </dependency>

修改属性文件，增加如下内容：

#grpc设置
grpc.client.hello-grpc-server.address=static://localhost:6000
grpc.client.hello-grpc-server.enableKeepAlive=true
grpc.client.hello-grpc-server.keepAliveWithoutCalls=true
grpc.client.hello-grpc-server.negotiationType=plaintext

新建调用grpc-server服务的类：

package com.product.selftraining.proto.Impl;
import com.product.selftraining.commons.responses.BaseResponse;
import com.product.selftraining.commons.responses.GrpcModelTrainingResponse;
import com.product.selftraining.proto.ModelTrainingGrpcService;
import com.product.selftraining.proto.ModelTrainingProto;
import com.product.selftraining.proto.ModelTrainingServiceGrpc;
import io.grpc.Channel;
import net.devh.boot.grpc.client.inject.GrpcClient;
import org.springframework.stereotype.Service;
/**
 * @author wangwenxuan
 * @date 2020/2/29
 * @description grpc调用python端服务的实现类
 */
@Service
public class ModelTrainingGrpcServiceImpl implements ModelTrainingGrpcService {
    @GrpcClient("hello-grpc-server")
    private Channel serverChannel;
    public BaseResponse<GrpcModelTrainingResponse> trainningModel(GrpcModelTrainingResponse grpcModelTrainingResponse){
        ModelTrainingServiceGrpc.ModelTrainingServiceBlockingStub stub = ModelTrainingServiceGrpc.newBlockingStub(serverChannel);
        //TODO:！！！request和response的搭建
        ModelTrainingProto.ModelTrainingRequest.Builder builder= ModelTrainingProto.ModelTrainingRequest.newBuilder();
        ModelTrainingProto.TrainingResponse response = stub.modelTrainning(builder.build());
        return BaseResponse.success();
    }
}