从零构建 gRPC 跨语言通信:C++ 服务端与 C# 客户端完整指南

从零构建 gRPC 跨语言通信:C++ 服务端与 C# 客户端完整指南

文章目录

前言

在现代分布式系统中,gRPC 作为高性能、跨语言的 RPC 框架越来越受欢迎。它基于 HTTP/2 协议,使用 Protocol Buffers(Protobuf)作为接口定义语言,支持多种编程语言,能够高效地实现不同语言之间的远程过程调用。本文将手把手教你如何从零开始构建一个完整的 gRPC 通信系统,使用 C++ 实现服务端,C# 实现客户端。

gRPC架构

一、环境准备

必要工具安装

1. Protocol Buffers 编译器 (protoc)

Protocol Buffers 是一种轻便高效的结构化数据存储格式,gRPC 使用它来定义服务接口和数据结构。你需要下载并安装 Protocol Buffers 编译器 protoc,下载地址为:https://github.com/protocolbuffers/protobuf/releases。安装完成后,确保将 protoc 添加到系统的 PATH 环境变量中,这样在命令行中就可以直接使用它。

2. gRPC 相关工具(C++)

对于 C++ 开发,你需要安装 gRPC 和 protobuf 库。在 Ubuntu 系统上,可以使用以下命令进行安装:

sudoaptinstall libgrpc++-dev libprotobuf-dev protobuf-compiler grpc-plugins 
3. .NET 环境

C# 开发需要安装 .NET SDK(版本 ≥ 6.0),你可以从 https://dotnet.microsoft.com/download 下载并安装。安装完成后,在 C# 项目中添加必要的 NuGet 包:

dotnet add package Grpc.Net.Client dotnet add package Google.Protobuf dotnet add package Grpc.Tools 

二、定义服务接口

创建 proto 文件

首先,我们需要创建一个 .proto 文件来定义服务接口和数据结构。创建一个名为 sample_service.proto 的文件,内容如下:

syntax = "proto3"; option csharp_namespace = "SampleService.Client"; package sampleservice; // 请求消息 message CalculationRequest { double a = 1; double b = 2; } // 响应消息 message CalculationResult { double result = 1; } // 服务定义 service Calculator { // 加法运算 rpc Add (CalculationRequest) returns (CalculationResult); // 减法运算 rpc Subtract (CalculationRequest) returns (CalculationResult); } 

在这个 .proto 文件中,我们定义了一个名为 Calculator 的服务,包含两个方法:AddSubtract,分别用于执行加法和减法运算。同时,我们还定义了请求消息 CalculationRequest 和响应消息 CalculationResult

三、C++ 服务端实现

1. 生成 gRPC 代码

为了根据 .proto 文件生成 C++ 代码,我们需要创建一个脚本 generate.sh

#!/bin/bash protoc -I=. --grpc_out=. --plugin=protoc-gen-grpc=`which grpc_cpp_plugin` sample_service.proto protoc -I=. --cpp_out=. sample_service.proto 

运行这个脚本后,会生成以下文件:

  • sample_service.grpc.pb.h:包含服务接口的定义。
  • sample_service.grpc.pb.cc:服务接口的实现代码。
  • sample_service.pb.h:消息类型的定义。
  • sample_service.pb.cc:消息类型的实现代码。

2. 实现服务逻辑

创建 calculator_service.h 文件,实现服务逻辑的头文件:

#include<grpcpp/grpcpp.h>#include"sample_service.grpc.pb.h"using grpc::ServerContext;using grpc::Status;using sampleservice::CalculationRequest;using sampleservice::CalculationResult;using sampleservice::Calculator;classCalculatorServiceImplfinal:public Calculator::Service {public: Status Add(ServerContext* context,const CalculationRequest* request, CalculationResult* response)override; Status Subtract(ServerContext* context,const CalculationRequest* request, CalculationResult* response)override;};

然后,创建 calculator_service.cpp 文件,实现具体的服务逻辑:

#include"calculator_service.h" Status CalculatorServiceImpl::Add(ServerContext* context,const CalculationRequest* request, CalculationResult* response){double result = request->a()+ request->b(); response->set_result(result);return Status::OK;} Status CalculatorServiceImpl::Subtract(ServerContext* context,const CalculationRequest* request, CalculationResult* response){double result = request->a()- request->b(); response->set_result(result);return Status::OK;}

3. 实现服务端主程序

创建 server.cpp 文件,实现服务端的主程序:

#include<iostream>#include<memory>#include<string>#include<grpcpp/grpcpp.h>#include"calculator_service.h"using grpc::Server;using grpc::ServerBuilder;using grpc::ServerContext;using grpc::Status;voidRunServer(){ std::string server_address("0.0.0.0:50051"); CalculatorServiceImpl service; ServerBuilder builder; builder.AddListeningPort(server_address, grpc::InsecureServerCredentials()); builder.RegisterService(&service); std::unique_ptr<Server>server(builder.BuildAndStart()); std::cout <<"Server listening on "<< server_address << std::endl; server->Wait();}intmain(){RunServer();return0;}

4. 编译服务端

为了编译服务端代码,我们需要创建一个 CMakeLists.txt 文件:

cmake_minimum_required(VERSION 3.10) project(grpc_server) set(CMAKE_CXX_STANDARD 17) find_package(Protobuf REQUIRED) find_package(gRPC REQUIRED) add_executable(server server.cpp calculator_service.cpp sample_service.pb.cc sample_service.grpc.pb.cc) target_link_libraries(server PRIVATE gRPC::grpc++ gRPC::grpc protobuf::libprotobuf) 

然后,按照以下步骤进行编译和运行:

mkdir build &&cd build cmake ..&&make ./server 

四、C# 客户端实现

1. 创建 C# 项目

使用以下命令创建一个新的 C# 控制台项目:

dotnet new console -n GrpcClient cd GrpcClient dotnet add package Grpc.Net.Client dotnet add package Google.Protobuf dotnet add package Grpc.Tools 

2. 添加 proto 文件

将之前创建的 sample_service.proto 文件复制到 C# 项目目录下,并修改 .csproj 文件,添加以下内容:

<ItemGroup><ProtobufInclude="sample_service.proto"GrpcServices="Client"/></ItemGroup>

3. 实现客户端

修改 Program.cs 文件,实现客户端代码:

usingSystem;usingSystem.Threading.Tasks;usingGrpc.Net.Client;usingSampleService.Client;classProgram{staticasyncTaskMain(string[] args){usingvar channel = GrpcChannel.ForAddress("http://localhost:50051");var client =newCalculator.CalculatorClient(channel);try{// 加法示例var addRequest =newCalculationRequest{ A =5, B =3};var addResult =await client.AddAsync(addRequest); Console.WriteLine($"5 + 3 = {addResult.Result}");// 减法示例var subRequest =newCalculationRequest{ A =10, B =4};var subResult =await client.SubtractAsync(subRequest); Console.WriteLine($"10 - 4 = {subResult.Result}");}catch(Grpc.Core.RpcException ex){ Console.WriteLine($"RPC failed: {ex.Status.Detail}");}}}

4. 运行客户端

在项目目录下,使用以下命令运行客户端:

dotnet run 

五、测试与验证

1. 启动 C++ 服务端

在终端中运行编译好的服务端程序:

./server 

服务端启动后,会监听 0.0.0.0:50051 端口。

2. 运行 C# 客户端

在另一个终端中,进入 C# 客户端项目目录,运行客户端程序:

dotnet run 

如果一切正常,你将看到以下输出:

5 + 3 = 8 10 - 4 = 6 

这表明客户端成功调用了服务端的方法,并得到了正确的结果。

六、常见问题解决

1. 连接失败

  • 确保服务端地址正确:检查客户端代码中指定的服务端地址和端口是否与服务端实际监听的地址和端口一致。
  • 检查防火墙设置:确保防火墙没有阻止客户端与服务端之间的通信。可以临时关闭防火墙进行测试,或者在防火墙中开放相应的端口。
  • 服务端和客户端使用相同的协议:确保客户端和服务端使用相同的协议(HTTP/HTTPS)。如果服务端使用的是不安全连接(InsecureServerCredentials),客户端也应该使用不安全连接。

2. 序列化错误

  • 确保 proto 文件在服务端和客户端完全一致.proto 文件是服务端和客户端通信的契约,必须保证两端的 .proto 文件内容完全相同。
  • 重新生成代码后清理并重新编译:如果修改了 .proto 文件,需要重新生成代码,并清理和重新编译服务端和客户端项目。

3. 性能优化

  • 对于高频调用,考虑使用连接池:gRPC 本身没有提供连接池的功能,但可以通过第三方库或自定义实现来实现连接池,以减少连接建立和销毁的开销。
  • 调整 gRPC 通道参数:可以根据实际情况调整 gRPC 通道的参数,如超时时间、最大消息大小等,以提高性能。

七、流程总结

以下是按照步骤,用表格形式总结的基于gRPC实现跨语言通信(C++服务端、C#客户端)的流程:

gRPC跨语言通信实现流程总结表

步骤任务具体内容详细描述
1. 环境准备安装必要的工具和库安装Protocol Buffers编译器(protoc),如在Windows系统中下载安装包并配置环境变量,使其可在命令行中直接调用;安装gRPC相关工具,包括gRPC插件(如grpc_cpp_plugingrpc_csharp_plugin),用于生成对应语言的源代码;安装.NET环境(如.NET SDK),用于C#客户端开发,可通过官网下载对应版本安装包并安装,安装完成后可通过命令行运行dotnet --version验证安装是否成功;此外,还需安装C++开发环境(如Visual Studio),用于C++服务端的开发,安装时选择对应的开发工作负载,如“桌面开发”等
2. 定义服务接口使用.proto文件定义服务接口和数据结构创建.proto文件来定义服务接口及数据结构,例如定义一个名为MyService的服务,其中包含一个SayHello方法,该方法接收一个HelloRequest消息类型作为参数,并返回一个HelloReply消息类型,.proto文件中会包含对应的message定义来具体描述HelloRequestHelloReply的字段,如string name字段等
3. 生成代码根据.proto文件生成C++和C#代码在命令行中使用protoc编译器,结合相应的gRPC插件来生成代码,对于C++,运行类似protoc --grpc_out=. --plugin=protoc-gen-grpc=grpc_cpp_plugin path/to/your/service.proto的命令,生成C++服务端的桩代码;对于C#,运行类似protoc --grpc_out=. --plugin=protoc-gen-grpc=grpc_csharp_plugin path/to/your/service.proto的命令,生成C#客户端的存根代码
4. 实现服务端在C++中实现服务端逻辑,并编译运行根据生成的C++桩代码,在C++项目中实现服务端的具体逻辑,如实现MyService服务中的SayHello方法的业务逻辑,编写一个SayHello的重写方法,在该方法中根据输入的HelloRequest来构造HelloReply作为返回值;之后配置C++项目的编译链接环境,添加必要的gRPC、Protocol Buffers库依赖等,编译生成服务端可执行文件,并运行服务端
5. 实现客户端在C#中实现客户端代码,并运行客户端进行测试根据生成的C#存根代码,在C#项目(如使用.NET SDK创建的控制台应用程序项目)中实现客户端逻辑,创建Channel连接到服务端地址,创建客户端实例,并调用服务端的方法,如调用SayHello方法,构造HelloRequest并发送请求,接收服务端返回的HelloReply;配置C#项目依赖,添加gRPC、Protocol Buffers相关的NuGet包引用,运行客户端进行测试
6. 测试与验证启动服务端和客户端,验证通信是否正常先启动服务端,确保服务端处于运行状态并监听端口;然后启动客户端,客户端会发送请求到服务端,服务端处理后返回响应给客户端,观察客户端是否能正确接收到预期的响应结果,如在控制台输出“Hello, [name]”之类的响应信息来验证通信是否成功
7. 问题解决遇到问题时,根据具体情况进行排查和解决如果服务端和客户端无法通信,可以检查网络连接是否正常,如端口是否被正确监听和连接;检查服务端和客户端的.proto文件版本是否一致,以及生成的代码是否正确;检查是否所有必要的依赖库都已正确安装和配置;通过查看日志信息、调试程序等方式来定位问题并解决,根据问题具体表现来逐步排查原因

希望这个表格能帮助你清晰地梳理整个gRPC跨语言通信实现的流程。

通过以上步骤,我们完成了一个完整的 gRPC 跨语言通信系统的搭建,实现了 C++ 服务端和 C# 客户端之间的通信。这个示例展示了 gRPC 的核心功能,你可以基于此扩展更复杂的业务逻辑。gRPC 的强大之处在于它的跨语言特性和高性能通信能力,非常适合微服务架构。

Read more

开源智能体搭建平台MaxKB4j 技术文档

开源智能体搭建平台MaxKB4j 技术文档

MaxKB4j 技术文档 项目概述 MaxKB4j (Max Knowledge Base for Java) 是一个基于 Java/Spring Boot 和 LangChain4j 构建的开源的 RAG(检索增强生成)知识库和 LLM 工作流平台,支持多模型集成、可视化工作流编排、知识库问答和多模态能力,专为构建企业级智能问答系统而设计。 核心特性 * 开箱即用的知识库问答: 支持上传本地文档或自动抓取网页内容,自动完成文本分块 → 向量化 → 向量数据库存储 → RAG 流程构建 * 模型无关的灵活集成: 支持多种主流大语言模型(OpenAI、Claude、Gemini、DeepSeek、Qwen、Ollama 等) * 可视化工作流编排: 内置低代码 AI 工作流引擎,支持条件分支、函数调用、多轮对话记忆 * MCP

By Ne0inhk
[Git] 初识 Git 与安装入门

[Git] 初识 Git 与安装入门

告别文件噩梦:初识 Git 与安装入门 嘿,朋友!不知道你是不是也遇到过这样的情况:你在写一份重要的文档、报告,或者更常见的,一段代码时,为了安全起见,怕改错了回不去,或者想保留不同阶段的版本,于是不得不像这样保存文件: * “报告-v1.doc” * “报告-v2.doc” * “报告-最终版.doc” * “报告-最终版-最终的最终版.doc” * “报告-领导说再改改版.doc” * … 是不是看着就头大?电脑里塞满了各种名字相似的文件,时间一长,你根本分不清“最终版”和“最终的最终版”到底差在哪里,想要找回某个阶段的内容更是难上加难。 文档如此,我们辛辛苦苦写出来的代码更是这样!如果代码没有版本管理,那简直是一场灾难,特别是当需要和别人协作的时候。 别怕!解决这个问题的“神器”来了——它就是版本控制系统。 什么是版本控制系统? 想象一下,版本控制系统就像一个超级详细的“文件时光机”或者“改动日志本”

By Ne0inhk
OpenCode 免费使用 Kimi K2.5 完整指南:国产最强开源模型零成本体验

OpenCode 免费使用 Kimi K2.5 完整指南:国产最强开源模型零成本体验

什么是 Kimi K2.5? Kimi K2.5 是月之暗面 (Moonshot AI) 于 2026 年 1 月发布的开源多模态大模型,总参数量达 1 万亿,激活参数 320 亿,在多项基准测试中超越 Claude Opus 4.5,尤其在编程和 Agent 任务上表现卓越。 OpenCode 作为最热门的开源 AI 编程助手,现已正式支持 Kimi K2.5。更令人兴奋的是,通过多种渠道,你可以限时免费体验这款国产最强开源模型。本文将详细介绍配置方法和使用技巧。 为什么选择 Kimi K2.5? 在深入配置之前,先了解 Kimi K2.5

By Ne0inhk

在github codespaces部署开源个人智能体OpenClaw(Clawdbot/Moltbot)使用教程

openClaw官方仓库:https://github.com/openclaw/openclaw OpenClaw 是什么? OpenClaw(原名 Clawdbot,后更名为 Moltbot,现正式命名为 OpenClaw)是一个运行在你本地环境的高权限 AI 智能体。它的核心特性包括: * 本地部署:运行在你的服务器或电脑上,数据完全自主可控 * 多平台支持:支持飞书、WhatsApp、Telegram、Discord、Slack 等主流聊天工具 * 浏览器控制:可以浏览网页、填写表单、提取数据 * 系统访问:读写文件、执行 Shell 命令、运行脚本 * 持久化记忆:记住你的偏好和上下文,成为真正属于你的 AI * 插件扩展:支持社区技能插件,甚至可以自己编写插件 无论是邮件管理、日程安排、数据查询还是代码编写,OpenClaw

By Ne0inhk