当前位置:首页 > 文章列表 > Golang > Go教程 > Golang实现gRPC双向流通信详解

Golang实现gRPC双向流通信详解

2025-10-30 08:28:29 0浏览 收藏

编程并不是一个机械性的工作,而是需要有思考,有创新的工作,语法是固定的,但解决问题的思路则是依靠人的思维,这就需要我们坚持学习和更新自己的知识。今天golang学习网就整理分享《Golang实现gRPC双向流通信教程》,文章讲解的知识点主要包括,如果你对Golang方面的知识点感兴趣,就不要错过golang学习网,在这可以对大家的知识积累有所帮助,助力开发能力的提升。

在Golang中实现gRPC双向流通信需定义支持stream的Protobuf接口,服务端和客户端通过Recv和Send方法在循环中持续收发消息,实现全双工通信。

如何在Golang中使用gRPC进行双向流通信

在Golang中使用gRPC实现双向流通信,关键在于定义支持双向流的Protobuf接口,并在服务端和客户端分别实现流的读写逻辑。整个过程包括定义proto文件、生成代码、编写服务端处理函数以及客户端持续发送和接收消息。

定义双向流的Protobuf接口

要启用双向流,需在.proto文件中将RPC方法的请求和响应类型都声明为stream。

syntax = "proto3";

package example;

service ChatService {
  rpc Chat(stream Message) returns (stream Message);
}

message Message {
  string content = 1;
}

这个定义表示Chat方法允许客户端和服务端同时发送多个消息,形成全双工通信。

生成gRPC代码

使用protoc配合gRPC插件生成Go代码:

  • 确保安装了protoc编译器和Go插件
  • 运行命令:protoc --go_out=. --go-grpc_out=. chat.proto

生成的代码包含客户端和服务端所需的接口和结构体,如ChatServiceClient和ChatServiceServer。

实现服务端逻辑

服务端需要通过流接收客户端消息,同时可随时向客户端推送数据。

func (s *server) Chat(stream pb.ChatService_ChatServer) error {
    for {
        msg, err := stream.Recv()
        if err != nil {
            return err
        }
        // 处理收到的消息
        log.Printf("Received: %s", msg.Content)

        // 回复消息
        response := &pb.Message{Content: "Echo: " + msg.Content}
        if err := stream.Send(response); err != nil {
            return err
        }
    }
}

Recv()用于接收客户端消息,Send()用于向客户端发送消息。循环处理即可维持双向通信。

编写客户端代码

客户端同样通过流发送和接收消息,与服务端对等交互。

stream, err := client.Chat(context.Background())
if err != nil {
    log.Fatal(err)
}

// 启动goroutine接收服务端消息
go func() {
    for {
        msg, err := stream.Recv()
        if err != nil {
            log.Println(err)
            return
        }
        log.Printf("Server: %s", msg.Content)
    }
}()

// 发送消息
for i := 0; i 

注意使用独立的goroutine处理接收逻辑,避免阻塞发送。调用CloseSend()通知服务端发送结束。

基本上就这些。只要proto定义正确,服务端和客户端都能通过同一个流收发消息,实现真正的双向实时通信。关键是理解stream接口的使用方式,以及避免在单个goroutine中同时读写导致死锁。

今天关于《Golang实现gRPC双向流通信详解》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!

HTML5文件夹上传与webkitRelativePath详解HTML5文件夹上传与webkitRelativePath详解
上一篇
HTML5文件夹上传与webkitRelativePath详解
安居客app下载安装教程及最新版攻略
下一篇
安居客app下载安装教程及最新版攻略
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。
    367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。
    425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。
    441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。
    390次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    216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