当前位置:首页 > 文章列表 > Golang > Go教程 > Golang实现gRPC双向流聊天示例

Golang实现gRPC双向流聊天示例

2026-04-15 14:12:40 0浏览 收藏
本文详细演示了如何使用Go语言和gRPC构建一个高效、实时的双向流式聊天系统,通过定义proto接口、生成gRPC代码、实现支持消息广播的服务端以及并发处理收发的客户端,充分利用HTTP/2的双向流特性,轻松支撑在线客服、多人聊天室等低延迟交互场景——无需复杂轮询或WebSocket封装,一行代码即可开启真正的全双工实时通信。

Golang使用gRPC实现双向流式聊天示例

在Go语言中使用gRPC实现双向流式聊天,可以实现实时通信场景,比如在线客服、多人聊天室等。gRPC默认基于HTTP/2,天然支持双向流(Bidirectional Streaming),非常适合这类需求。

1. 定义Proto文件

首先定义一个.proto文件来描述服务接口和消息格式。创建chat.proto

syntax = "proto3";

package chat;

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

message Message {
  string user = 1;
  string content = 2;
  int64 timestamp = 3;
}

这里定义了一个ChatStream方法,客户端和服务端都可以发送和接收消息流,实现真正的双向通信。

2. 生成Go代码

安装必要的工具并生成代码:

确保已安装 Protocol Buffers 编译器 protoc 和 Go 插件:

go install google.golang.org/protobuf/cmd/protoc-gen-go@latest
go install google.golang.org/grpc/cmd/protoc-gen-go-grpc@latest

执行命令生成Go代码:

protoc --go_out=. --go_opt=paths=source_relative \
       --go-grpc_out=. --go-grpc_opt=paths=source_relative \
       chat.proto

会生成chat.pb.gochat_grpc.pb.go两个文件。

3. 实现gRPC服务端

编写服务端逻辑,处理每个连接的双向流:

package main

import (
    "context"
    "fmt"
    "log"
    "net"

    "your_project/chat"
    "google.golang.org/grpc"
)

type ChatServer struct {
    chat.UnimplementedChatServiceServer
    clients []chat.ChatService_ChatStreamServer
}

func (s *ChatServer) ChatStream(stream chat.ChatService_ChatStreamServer) error {
    s.clients = append(s.clients, stream)
    
    for {
        msg, err := stream.Recv()
        if err != nil {
            return err
        }

        fmt.Printf("[%s]: %s\n", msg.User, msg.Content)

        // 广播给所有其他客户端
        for _, client := range s.clients {
            go func(c chat.ChatService_ChatStreamServer) {
                _ = c.Send(msg)
            }(client)
        }
    }
}

func main() {
    lis, err := net.Listen("tcp", ":50051")
    if err != nil {
        log.Fatalf("failed to listen: %v", err)
    }

    grpcServer := grpc.NewServer()
    chat.RegisterChatServiceServer(grpcServer, &ChatServer{})
    
    log.Println("gRPC server running on port 50051...")
    if err := grpcServer.Serve(lis); err != nil {
        log.Fatalf("failed to serve: %v", err)
    }
}

服务端将所有连接的客户端保存起来,每当收到一条消息,就广播给所有客户端(包括发送者)。

4. 实现gRPC客户端

客户端需要同时读取用户输入并监听来自服务端的消息:

package main

import (
    "bufio"
    "context"
    "fmt"
    "log"
    "os"
    "time"

    "your_project/chat"
    "google.golang.org/grpc"
)

func main() {
    conn, err := grpc.Dial("localhost:50051", grpc.WithInsecure(), grpc.WithBlock())
    if err != nil {
        log.Fatalf("did not connect: %v", err)
    }
    defer conn.Close()

    client := chat.NewChatServiceClient(conn)
    stream, err := client.ChatStream(context.Background())
    if err != nil {
        log.Fatal(err)
    }

    // 开启协程接收消息
    go func() {
        for {
            msg, err := stream.Recv()
            if err != nil {
                fmt.Printf("receive error: %v\n", err)
                return
            }
            fmt.Printf("\n[%s] %s: %s\n", time.Unix(msg.Timestamp, 0).Format("15:04"), msg.User, msg.Content)
        }
    }()

    // 读取用户输入
    scanner := bufio.NewScanner(os.Stdin)
    for scanner.Scan() {
        text := scanner.Text()
        if text == "quit" {
            break
        }

        msg := &chat.Message{
            User:      "Alice", // 可改为从命令行输入
            Content:   text,
            Timestamp: time.Now().Unix(),
        }

        if err := stream.Send(msg); err != nil {
            fmt.Printf("send error: %v\n", err)
            break
        }
    }
}

客户端通过goroutine分离接收和发送逻辑,保证不会阻塞用户输入。

基本上就这些。运行服务端,再启动多个客户端,就能看到实时聊天效果了。这种方式扩展性好,适合构建分布式即时通讯系统。

今天关于《Golang实现gRPC双向流聊天示例》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!

Win10文件索引优化技巧Win10文件索引优化技巧
上一篇
Win10文件索引优化技巧
HTML学习路径链接怎么创建?
下一篇
HTML学习路径链接怎么创建?
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
  • 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。
    97次使用
  • OpenCompass大模型评测体系详解:功能、使用指南与应用场景
    OpenCompass
    OpenCompass是上海AI实验室推出的开源大模型评测平台,提供CompassKit、CompassHub和CompassRank三大核心组件,支持LLM及多模态模型的一站式标准化评估与排行榜查询。
    28次使用
  • SuperCLUE中文大模型评测基准:功能、能力维度与应用指南
    SuperCLUE
    SuperCLUE是权威的中文大语言模型综合评测基准,涵盖语言理解、知识应用、AI Agent智能体及安全性等12项核心能力。通过多轮对话与客观测试,定期发布榜单与技术报告,为模型研发、优化及行业选型提供科学依据。
    252次使用
  • C-Eval中文评测基准:大语言模型多学科能力评估指南
    C-Eval
    深入了解C-Eval中文评估套件,涵盖52个学科与4级难度。本文详解其功能特点、Zero-shot/Few-shot使用方法及代码示例,助您全面评测LLM中文理解与泛化能力。
    180次使用
  • AI Prompt Library:免费AI提示词库,助力ChatGPT高效创作与营销
    AI Prompt Library
    探索AI Prompt Library免费资源库,涵盖营销、写作及多场景AI提示词。兼容ChatGPT、Claude等工具,一键复制优化输出,提升工作效率。
    111次使用