RabbitMQ学习总结 第七篇：RCP(远程过程调用协议)

在http://www.cnblogs.com/leocook/p/mq_rabbitmq_2.html 这篇博文中我们实现了怎么去使用work queue来把比较耗时的任务分散给多个worker。

但是，如果我们想在远程的机器上的一个函数并等待它返回结果，我们应该怎么办呢？这就是另外一种模式了，它被称为RPC（Remote procedure call）。

本篇博文中我们来实现怎么用RabbitMQ来构建一个RPC系统：一个client(客户端)和一个可扩展的RPC server（服务端）。这里我们来模拟一个返回斐波拉契数的RPC服务。

1、Client端接口

为了说明一个RPC服务时怎么工作的，我们来创建一个简单的client类。这里来实现一个名字为call的方法来发送RPC请求，并发生阻塞，直到接收到回复：

FibonacciRpcClient fibonacciRpc = new FibonacciRpcClient();
String result = fibonacciRpc.call("4");
System.out.println( "fib(4) is " + result);

RPC注意事项：

虽然RPC是一种常用的模式，但它也有一些缺陷。当无法确定使用本地调用还是使用RPC时，问题就出来了。有的时候不确定程序的运行环境，这样来做会给程序的调试增加了一定的复杂度。使用RPC并不能够让代码变得更简洁，滥用的话只会让代码变得更不方便维护。

伴随着上边的问题，咱们来看看下边的建议：

• 确定能很明显的分辨的出哪些调用是本地调用，哪些是远程调用。
• 完善系统的文档。清楚的标记出，模块间的依赖关系。
• 处理错误情况。当RPC服务挂了之后，客户端应该怎么去处理呢？

当有疑问时避免使用RPC。如果可以的话，你可以使用异步管道（不用RPC-阻塞），结果被异步推送到下一个计算环节。

2、回调队列（Callback queue）

一般用RabbitMQ来实现RPC是很简单的。客户端发送一个请求消息然后服务器端回应一个响应消息。为了接收服务端的响应消息，我们需要在请求中发送一个callback queue地址。我们也可以使用一个默认的queue（Java客户端独有的）。如下：

callbackQueueName = channel.queueDeclare().getQueue();

//绑定callback queue
BasicProperties props = new BasicProperties.Builder().replyTo(callbackQueueName).build();
channel.basicPublish("", "rpc_queue", props, message.getBytes());

// ... then code to read a response message from the callback_queue ...

消息属性：

AMQP协议在发送消息时，预定义了14个属性连同消息一起发送出去。很多属性都是很少用到的，除了下边的这些：

消息的投递模型（deliveryMode）：使消息持久化，和work queue里的设置一样。

上下文类型（contentType）：用来描述媒体类型（mime-type）。例如常用的JSON格式，它的mime-type是application/json。

我们需要导包：

import com.rabbitmq.client.AMQP.BasicProperties;

3、Correlation Id

在上边的方法中建议我们为每个RPC请求都创建一个call queue，这样效率很低。我们有更好的办法，为每一个client创建一个call queue。

这样处理的话又出现了一个新的问题，无法确定接收到的响应是对应哪个请求的。这时候就需要correlationId属性，我们为每一个请求都设置一个correlationId属性。当我们从callback queue中接收到一条消息之后，我们将会查看correlationId属性，这样就可以用一个请求来与之匹配了。如果从callback queue接收到了一条消息后，发现其中的correlationId未能找到与之匹配的请求，那么将把这条消息丢掉。

你可能会问我们为什么要要在callback queue里忽略掉不知道的message，而不是报错呢？这是因为服务器端可能会出现的一种情况，虽然可能性很小，但还是有可能性的，有可能在RPC发送了响应之后，在发送确认完成任务的信息之前服务器重启了。如果这种情况发生了的话，重启了RPC服务之后，它将会再次接收到之前的请求，这样的话client将会重复处理响应，RPC服务应该是等幂的。

4、总结

我们的RPC工作原理如下：

• 当Client启动时，它将会创建一个匿名的callback queue。
• 对于一次RPC请求，client会发送一条含有两个属性的消息：replyTo和correlationId。Reply是设置的callback queue，correlationId是设置的当前请求的标示符。
• 请求将会被发送到rpc_queue里。
• RPC的worker（RPC server）等待queue中的请求。当出现一个请求之后，他将会处理任务，并向replyTo队列中发送消息。
• 客户端会等待callback queue上的消息。当消息出现时，它将会检查correlationId属性是否能与之前发送请求时的属性一直，若一致的话，client将会处理回复的消息。

5、最终实现

斐波拉契任务：

private static int fib(int n) throws Exception {
    if (n == 0) return 0;
    if (n == 1) return 1;
    return fib(n-1) + fib(n-2);
}

这里定义计算斐波拉契数的方法，假设传进去的整数都是正整数。

RPC服务端的代码实现如下RPCServer.java：

import com.rabbitmq.client.ConnectionFactory;
import com.rabbitmq.client.Connection;
import com.rabbitmq.client.Channel;
import com.rabbitmq.client.QueueingConsumer;
import com.rabbitmq.client.AMQP.BasicProperties;

public class RPCServer {
  private static final String RPC_QUEUE_NAME = "rpc_queue";

  private static int fib(int n) {
    if (n ==0) return 0;
    if (n == 1) return 1;
    return fib(n-1) + fib(n-2);
  }

  public static void main(String[] argv) {
    Connection connection = null;
    Channel channel = null;
    try {
      ConnectionFactory factory = new ConnectionFactory();
      factory.setHost("localhost");

      connection = factory.newConnection();
      channel = connection.createChannel();

      channel.queueDeclare(RPC_QUEUE_NAME, false, false, false, null);

      //一次只接收一条消息
      channel.basicQos(1);

      QueueingConsumer consumer = new QueueingConsumer(channel);

      //开启消息应答机制
      channel.basicConsume(RPC_QUEUE_NAME, false, consumer);
      System.out.println(" [x] Awaiting RPC requests");

      while (true) {
        String response = null;

        QueueingConsumer.Delivery delivery = consumer.nextDelivery();

        //拿到correlationId属性
        BasicProperties props = delivery.getProperties();
        BasicProperties replyProps = new BasicProperties
                                         .Builder()
                                         .correlationId(props.getCorrelationId())
                                         .build();

        try {
          String message = new String(delivery.getBody(),"UTF-8");
          int n = Integer.parseInt(message);

          System.out.println(" [.] fib(" + message + ")");
          response = "" + fib(n);
        } catch (Exception e){
          System.out.println(" [.] " + e.toString());
          response = "";
        }
        finally {
          //拿到replyQueue，并绑定为routing key，发送消息
          channel.basicPublish( "", props.getReplyTo(), replyProps, response.getBytes("UTF-8"));
          //返回消息确认信息
          channel.basicAck(delivery.getEnvelope().getDeliveryTag(), false);
        }
      }
    }
    catch  (Exception e) {
      e.printStackTrace();
    }
    finally {
      if (connection != null) {
        try {
          connection.close();
        }
        catch (Exception ignore) {}
      }
    }
  }
}

服务器端代码实现很简单的：

• 建立连接，信道，声明队列
• 为了能把任务压力平均的分配到各个worker上，我们在方法channel.basicQos里设置prefetchCount的值。
• 我们使用basicConsume来接收消息，并等待任务处理，然后发送响应。

RPC客户端代码实现RPCClient.java：

import com.rabbitmq.client.ConnectionFactory;
import com.rabbitmq.client.Connection;
import com.rabbitmq.client.Channel;
import com.rabbitmq.client.QueueingConsumer;
import com.rabbitmq.client.AMQP.BasicProperties;
import java.util.UUID;

public class RPCClient {
  private Connection connection;
  private Channel channel;
  private String requestQueueName = "rpc_queue";
  private String replyQueueName;
  private QueueingConsumer consumer;

  public RPCClient() throws Exception {
    ConnectionFactory factory = new ConnectionFactory();
    factory.setHost("localhost");
    connection = factory.newConnection();
    channel = connection.createChannel();

    //拿到一个匿名(并非真的匿名，拿到了一个随机生成的队列名)的队列，作为replyQueue。
    replyQueueName = channel.queueDeclare().getQueue();
    consumer = new QueueingConsumer(channel);
    channel.basicConsume(replyQueueName, true, consumer);
  }

  public String call(String message) throws Exception {
    String response = null;
    String corrId = UUID.randomUUID().toString();//拿到一个UUID

    //封装correlationId和replyQueue属性
    BasicProperties props = new BasicProperties
                                .Builder()
                                .correlationId(corrId)
                                .replyTo(replyQueueName)
                                .build();
    //推消息，并加上之前封装好的属性
    channel.basicPublish("", requestQueueName, props, message.getBytes());

    while (true) {
      QueueingConsumer.Delivery delivery = consumer.nextDelivery();
      //检验correlationId是否匹配，确定是不是这次的请求
      if (delivery.getProperties().getCorrelationId().equals(corrId)) {
        response = new String(delivery.getBody(),"UTF-8");
        break;
      }
    }

    return response;
  }

  public void close() throws Exception {
    connection.close();
  }

  public static void main(String[] argv) {
    RPCClient fibonacciRpc = null;
    String response = null;
    try {
      fibonacciRpc = new RPCClient();

      System.out.println(" [x] Requesting fib(30)");
      response = fibonacciRpc.call("30");
      System.out.println(" [.] Got '" + response + "'");
    }
    catch  (Exception e) {
      e.printStackTrace();
    }
    finally {
      if (fibonacciRpc!= null) {
        try {
          fibonacciRpc.close();
        }
        catch (Exception ignore) {}
      }
    }
  }
}