当前位置:首页 > 文章列表 > Golang > Go教程 > gRPC拦截器使用教程与实战示例

gRPC拦截器使用教程与实战示例

2026-03-26 21:42:38 0浏览 收藏
在 Go 语言的 gRPC 开发中,拦截器是实现日志记录、身份认证、错误恢复等横切关注点的核心机制,文章深入讲解了一元拦截器(用于普通 RPC)和流式拦截器(适配客户端/服务端/双向流)的原理与编码实践,并通过真实可运行的代码示例展示了如何从零编写日志与 Token 认证拦截器,更进一步结合 go-grpc-middleware 库链式组合多个拦截器,让服务在保持业务逻辑纯净的同时,轻松获得可观测性、安全性与健壮性——无论你是刚接触 gRPC 的开发者,还是正在优化微服务架构的工程师,掌握拦截器都将显著提升你的工程效率与系统质量。

Golang gRPC拦截器实现与应用示例

在 Go 语言中使用 gRPC 时,拦截器(Interceptor)是一种非常强大的机制,可以在请求处理前后插入通用逻辑,比如日志记录、认证、限流、监控等。gRPC 支持两种类型的拦截器:一元拦截器(Unary Interceptor)和流式拦截器(Streaming Interceptor)。下面详细介绍其实现方式与实际应用示例。

一元拦截器(Unary Interceptor)

一元拦截器用于拦截普通的 RPC 调用(即非流式调用),它本质上是一个中间件函数,包裹在服务方法执行前后。

// 定义一个简单的日志一元拦截器

func LoggingUnaryInterceptor(ctx context.Context, req interface{}, info *grpc.UnaryServerInfo, handler grpc.UnaryHandler) (resp interface{}, err error) {
    log.Printf("Received unary request: %s", info.FullMethod)
    resp, err = handler(ctx, req)
    log.Printf("Finished unary request: %s, error: %v", info.FullMethod, err)
    return resp, err
}

该拦截器在每次调用前打印请求方法名,在调用完成后输出执行结果。通过 handler(ctx, req) 触发实际的服务逻辑。

注册到 gRPC 服务器:

s := grpc.NewServer(grpc.UnaryInterceptor(LoggingUnaryInterceptor))

流式拦截器(Streaming Interceptor)

流式拦截器用于处理 gRPC 流(stream)类型的接口,如客户端流、服务端流或双向流。

// 定义一个基础的流式拦截器

func LoggingStreamInterceptor(srv interface{}, ss grpc.ServerStream, info *grpc.StreamServerInfo, handler grpc.StreamHandler) error {
    log.Printf("Received stream request: %s", info.FullMethod)
    err := handler(srv, ss)
    log.Printf("Finished stream request: %s, error: %v", info.FullMethod, err)
    return err
}

注意,流式拦截器无法直接读取消息内容,因为数据是通过 Recv() 和 Send() 在流上传输的。若需记录具体数据,可封装 ServerStream 实现包装器。

注册流式拦截器:

s := grpc.NewServer(grpc.StreamInterceptor(LoggingStreamInterceptor))

结合多个拦截器

实际项目中通常需要多个拦截器,例如同时做日志、认证和错误恢复。可以使用 go-grpc-middleware 库来组合多个拦截器。

// 安装中间件库

go get github.com/grpc-ecosystem/go-grpc-middleware

使用示例:

import "github.com/grpc-ecosystem/go-grpc-middleware"
import "github.com/grpc-ecosystem/go-grpc-middleware/auth"

s := grpc.NewServer(
    grpc.UnaryInterceptor(grpc_middleware.ChainUnaryServer(
        LoggingUnaryInterceptor,
        auth.UnaryServerInterceptor(myAuthFunc),
        recovery.UnaryServerInterceptor(),
    )),
    grpc.StreamInterceptor(grpc_middleware.ChainStreamServer(
        LoggingStreamInterceptor,
        auth.StreamServerInterceptor(myAuthFunc),
    )),
)

其中 myAuthFunc 是自定义认证函数,例如从 metadata 中提取 token 并验证。

实际应用场景示例

假设我们要实现一个基于 Token 的认证拦截器:

func myAuthFunc(ctx context.Context) (context.Context, error) {
    md, ok := metadata.FromIncomingContext(ctx)
    if !ok {
        return nil, status.Errorf(codes.Unauthenticated, "missing metadata")
    }
    tokens := md["token"]
    if len(tokens) == 0 {
        return nil, status.Errorf(codes.Unauthenticated, "missing token")
    }
    if tokens[0] != "secret" {
        return nil, status.Errorf(codes.PermissionDenied, "invalid token")
    }
    return ctx, nil
}

客户端调用时需带上 token:

ctx := metadata.AppendToOutgoingContext(context.Background(), "token", "secret")
resp, err := client.YourMethod(ctx, &request)

基本上就这些。拦截器让 gRPC 服务具备良好的可扩展性和维护性,合理使用能大幅提升系统健壮性。

今天关于《gRPC拦截器使用教程与实战示例》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!

CSSGrid响应式布局技巧CSSGrid响应式布局技巧
上一篇
CSSGrid响应式布局技巧
Java Arrays.toString 自定义输出方案
下一篇
Java Arrays.toString 自定义输出方案
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。
    365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。
    424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。
    438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。
    388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。
    214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