从零构建 gRPC 跨语言通信：C++ 服务端与 C# 客户端完整指南

Ne0inhk

— 11 min read
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：Add 和 Subtract，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_plugin和grpc_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HelloRequest和HelloReply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

Apache IoTDB（17）：IoTDB数据保留时间管理从TTL设置到智能数据控制

Apache IoTDB（17）：IoTDB数据保留时间管理从TTL设置到智能数据控制

引言 IoTDB 支持在设备（device）级别设置数据保留时间（TTL），系统会根据设定的TTL自动清理过期数据，从而有效管理存储空间并确保查询性能。TTL默认采用毫秒计时，数据过期后将不可查询且禁止写入，但实际物理删除会在数据压缩时完成。需要注意：修改TTL设置可能导致数据可见性短暂波动，若缩短或取消TTL设置，原先因TTL限制而不可见的数据可能会重新显示。 需要注意的是： TTL 设置为毫秒，不受配置文件时间精度影响 TTL 变更可能影响数据的可查询性 系统最终会移除过期数据，但存在延迟 TTL 判断数据是否过期依据的是数据点时间，非写入时间 系统最多支持设置 1000 条 TTL 规则，达到上限需先删除部分规则才能设置新规则 Apache IoTDB 时序数据库【系列篇章】： No.文章地址（点击进入）1Apache IoTDB（1）：时序数据库介绍与单机版安装部署指南2Apache IoTDB（2）：时序数据库 IoTDB 集群安装部署的技术优势与适用场景分析3Apache IoTDB（3）

By Ne0inhk
【Linux系统编程】（十五）揭秘 Linux 环境变量：从底层原理到实战操作，一篇吃透命令行参数与全局变量！

【Linux系统编程】（十五）揭秘 Linux 环境变量：从底层原理到实战操作，一篇吃透命令行参数与全局变量！

目录 前言 一、环境变量：Linux 系统的 “全局配置密码” 1.1 什么是环境变量？ 1.2 环境变量的核心特性 1.2.1 全局属性：子进程的 “继承福利” 1.2.2 动态性：运行时可修改 1.2.3 多样性：系统默认与用户自定义 二、常见环境变量：Linux 系统的 “核心配置清单” 2.1 PATH：命令查找的 “导航地图” 实战 1：查看 PATH 变量 实战 2：为什么ls能直接运行，而自定义程序需要./？ 实战 3：

By Ne0inhk
Flutter 组件 dartle 的鸿蒙化适配实战 - 驾驭极致工程构建大坝、实现 OpenHarmony 全链路自动化、任务依赖治理与工业级 CI/CD 编排方案

Flutter 组件 dartle 的鸿蒙化适配实战 - 驾驭极致工程构建大坝、实现 OpenHarmony 全链路自动化、任务依赖治理与工业级 CI/CD 编排方案

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 dartle 的鸿蒙化适配实战 - 驾驭极致工程构建大坝、实现 OpenHarmony 全链路自动化、任务依赖治理与工业级 CI/CD 编排方案 前言 在鸿蒙（OpenHarmony）生态的大规模、多模块协同开发、或者是对构建流程有极其严苛要求的 0308 批次政企级项目中。“构建链路的清晰度与任务间死锁依赖维度”是衡量整个工程体系稳健运行的最终质量门禁。面对包含数十个方舟编译器（ArkCompiler）任务、海量资源混淆步骤、甚至是跨端二进制包（Bundle）分发的重型流水线。如果仅仅依靠 Shell 脚本中那几串干瘪的顺序执行。不仅会导致在定位构建回退（Regression）时让开发工程师如同在脚本废墟中盲人摸象。更会因为缺乏任务级的大局观呈现。令技术管理层在跨部门指挥调度时陷入严重的信息盲区。 我们需要一种“逻辑严密、任务原子、并发有序”的工程资产汇报艺术。 dartle 是一套专注于无缝整合

By Ne0inhk
Flutter 三方库 mobx_codegen — 自动化驱动的高性能响应式状态管理（适配鸿蒙 HarmonyOS Next ohos）

Flutter 三方库 mobx_codegen — 自动化驱动的高性能响应式状态管理（适配鸿蒙 HarmonyOS Next ohos）

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net。 在 Flutter 状态管理的璀璨星空中，MobX 以其“透明的函数式响应式编程”（TFRP）特性脱颖而出。它让开发者能以声明式的方式描述状态，而让框架自动处理状态变更到 UI 刷新的全过程。 在 Flutter for OpenHarmony 开发中，手动编写 MobX 繁琐的连接代码不仅效率低，且容易出错。mobx_codegen 库通过解析注解，自动生成高性能的底层观察逻辑。今天，我们将探索如何利用自动化力量，在鸿蒙平台上构建出极其灵动的响应式应用。 一、为什么需要 mobx_codegen？ 1.1 MobX 的魔法核心 MobX 包含三个核心概念：Observables（被观察的状态）、Actions（改变状态的动作）和 Reactions（对新状态的自动响应）

By Ne0inhk