当前位置:首页 > 文章列表 > Golang > Go问答 > gRPC 中客户端流控制的原理是什么?

gRPC 中客户端流控制的原理是什么?

来源:stackoverflow 2024-03-09 22:24:26 0浏览 收藏

今日不肯埋头,明日何以抬头!每日一句努力自己的话哈哈~哈喽,今天我将给大家带来一篇《gRPC 中客户端流控制的原理是什么?》,主要内容是讲解等等,感兴趣的朋友可以收藏或者有更好的建议在评论提出,我都会认真看的!大家一起进步,一起学习!

问题内容

我想知道 Go 中的客户端流 gRPC 服务中的流量控制是如何工作的。

具体来说,我有兴趣知道何时会在客户端块中调用 stream.SendMsg() 函数?根据文档:

SendMsg() 会阻塞,直到: 有足够的流量控制来调度 m 的传输,或者......

那么流的流控机制规范是怎样的呢?例如,如果负责从流中读取消息的服务器端代码读取消息的速度不够快,那么什么时候会调用 SendMsg() 块?

服务器是否实现了某种反压机制来告诉客户端它还没有准备好接收更多数据?与此同时,在反压信号之前已经成功发送的所有消息都在哪里排队?


解决方案


grpc流控是基于http2流控: https://httpwg.org/specs/rfc7540.html#FlowControl

会有背压。 仅当有足够的流控制窗口时消息才会成功发送,否则 sendmsg() 将阻塞。

接收端发出的信号不是增加反压,而是释放反压。这就像说“现在我准备好接收另外 1mb 的消息,发送它们”。

这是 flow control 的另一种解释

http/2 流量控制是一项可防止应用程序被数据淹没的功能。使用流量控制时:

  • 每个 http/2 连接和请求都有一个可用的缓冲区窗口。缓冲窗口是应用程序一次可以接收多少数据。
  • 如果缓冲区窗口已满,则激活流量控制。激活后,发送应用程序将暂停发送更多数据。
  • 一旦接收应用程序处理完数据,缓冲区窗口中的空间就可用。发送应用程序恢复发送数据。

接收大消息时,流量控制可能会对性能产生负面影响。如果缓冲区窗口小于传入消息有效负载,或者客户端和服务器之间存在延迟,则可以以开始/停止突发的方式发送数据。

流量控制性能问题可以通过增加缓冲区窗口大小来解决。

  • 客户端:通过dial option的withinitialwindowsize和withinitialconnwindowsize设置窗口

    // withinitialwindowsize returns a dialoption which sets the value for initial
    // window size on a stream. the lower bound for window size is 64k and any value
    // smaller than that will be ignored.
    func withinitialwindowsize(s int32) dialoption {
        return newfuncdialoption(func(o *dialoptions) {
            o.copts.initialwindowsize = s
        })
    }
    
    // withinitialconnwindowsize returns a dialoption which sets the value for
    // initial window size on a connection. the lower bound for window size is 64k
    // and any value smaller than that will be ignored.
    func withinitialconnwindowsize(s int32) dialoption {
        return newfuncdialoption(func(o *dialoptions) {
            o.copts.initialconnwindowsize = s
        })
    }
    
  • 服务器端:通过initialwindowsize和initialconnwindowsize为server options设置窗口

    // InitialWindowSize returns a ServerOption that sets window size for stream.
    // The lower bound for window size is 64K and any value smaller than that will be ignored.
    func InitialWindowSize(s int32) ServerOption {
        return newFuncServerOption(func(o *serverOptions) {
            o.initialWindowSize = s
        })
    }
    
    // InitialConnWindowSize returns a ServerOption that sets window size for a connection.
    // The lower bound for window size is 64K and any value smaller than that will be ignored.
    func InitialConnWindowSize(s int32) ServerOption {
        return newFuncServerOption(func(o *serverOptions) {
            o.initialConnWindowSize = s
        })
    }
    
    

建议:

  • 如果 grpc 服务经常接收大于 96 kb(kestrel 的默认流窗口大小)的消息,请考虑增加连接和流窗口大小。
  • 连接窗口大小应始终等于或大于流窗口大小。流是连接的一部分,发送者受到两者的限制。

有关流量控制工作原理的更多信息,请参阅 HTTP/2 Flow Control

今天带大家了解了的相关知识,希望对你有所帮助;关于Golang的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
探索Go语言编程的难易程度:揭露未为人知的真相探索Go语言编程的难易程度:揭露未为人知的真相
上一篇
探索Go语言编程的难易程度:揭露未为人知的真相
使用Go中的bson.M查询MongoDB数据
下一篇
使用Go中的bson.M查询MongoDB数据
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    205次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    259次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    211次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    201次使用
  • CMMLU中文大模型评估基准:功能、使用教程与应用场景解析
    CMMLU
    深入了解CMMLU中文评估基准,涵盖67个学科主题,提供数据集下载、Zero-shot/Five-shot评估方法及排行榜,助力优化中文语言模型性能。
    189次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码