問題

你想在一個消息傳輸層如 sockets 、multiprocessing connections 或 ZeroMQ 的基礎之上實現一個簡單的遠程過程調用（RPC）。

解決方案

將函數請求、參數和返回值使用pickle編碼后，在不同的解釋器直接傳送pickle字節字符串，可以很容易的實現RPC。 下面是一個簡單的PRC處理器，可以被整合到一個服務器中去：

# rpcserver.pyimport pickleclass RPCHandler: def __init__(self): self._functions = { } def register_function(self, func): self._functions[func.__name__] = func def handle_connection(self, connection): try: while True:# Receive a messagefunc_name, args, kwargs = pickle.loads(connection.recv())# Run the RPC and send a responsetry: r = self._functions[func_name](*args,**kwargs) connection.send(pickle.dumps(r))except Exception as e: connection.send(pickle.dumps(e)) except EOFError: pass

要使用這個處理器，你需要將它加入到一個消息服務器中。你有很多種選擇， 但是使用 multiprocessing 庫是最簡單的。下面是一個RPC服務器例子：

from multiprocessing.connection import Listenerfrom threading import Threaddef rpc_server(handler, address, authkey): sock = Listener(address, authkey=authkey) while True: client = sock.accept() t = Thread(target=handler.handle_connection, args=(client,)) t.daemon = True t.start()# Some remote functionsdef add(x, y): return x + ydef sub(x, y): return x - y# Register with a handlerhandler = RPCHandler()handler.register_function(add)handler.register_function(sub)# Run the serverrpc_server(handler, (’localhost’, 17000), authkey=b’peekaboo’)

為了從一個遠程客戶端訪問服務器，你需要創建一個對應的用來傳送請求的RPC代理類。例如

import pickleclass RPCProxy: def __init__(self, connection): self._connection = connection def __getattr__(self, name): def do_rpc(*args, **kwargs): self._connection.send(pickle.dumps((name, args, kwargs))) result = pickle.loads(self._connection.recv()) if isinstance(result, Exception):raise result return result return do_rpc

要使用這個代理類，你需要將其包裝到一個服務器的連接上面，例如：

>>> from multiprocessing.connection import Client>>> c = Client((’localhost’, 17000), authkey=b’peekaboo’)>>> proxy = RPCProxy(c)>>> proxy.add(2, 3)5>>> proxy.sub(2, 3)-1>>> proxy.sub([1, 2], 4)Traceback (most recent call last): File '<stdin>', line 1, in <module> File 'rpcserver.py', line 37, in do_rpc raise resultTypeError: unsupported operand type(s) for -: ’list’ and ’int’>>>

要注意的是很多消息層（比如 multiprocessing ）已經使用pickle序列化了數據。 如果是這樣的話，對 pickle.dumps() 和 pickle.loads() 的調用要去掉。

討論

RPCHandler 和 RPCProxy 的基本思路是很比較簡單的。 如果一個客戶端想要調用一個遠程函數，比如 foo(1, 2, z=3) ,代理類創建一個包含了函數名和參數的元組 (’foo’, (1, 2), {’z’: 3}) 。 這個元組被pickle序列化后通過網絡連接發生出去。 這一步在 RPCProxy 的 __getattr__() 方法返回的 do_rpc() 閉包中完成。 服務器接收后通過pickle反序列化消息，查找函數名看看是否已經注冊過，然后執行相應的函數。 執行結果(或異常)被pickle序列化后返回發送給客戶端。我們的實例需要依賴 multiprocessing 進行通信。 不過，這種方式可以適用于其他任何消息系統。例如，如果你想在ZeroMQ之上實習RPC， 僅僅只需要將連接對象換成合適的ZeroMQ的socket對象即可。

由于底層需要依賴pickle，那么安全問題就需要考慮了 （因為一個聰明的黑客可以創建特定的消息，能夠讓任意函數通過pickle反序列化后被執行）。 因此你永遠不要允許來自不信任或未認證的客戶端的RPC。特別是你絕對不要允許來自Internet的任意機器的訪問， 這種只能在內部被使用，位于防火墻后面并且不要對外暴露。

作為pickle的替代，你也許可以考慮使用JSON、XML或一些其他的編碼格式來序列化消息。 例如，本機實例可以很容易的改寫成JSON編碼方案。還需要將 pickle.loads() 和 pickle.dumps() 替換成 json.loads() 和 json.dumps() 即可：

# jsonrpcserver.pyimport jsonclass RPCHandler: def __init__(self): self._functions = { } def register_function(self, func): self._functions[func.__name__] = func def handle_connection(self, connection): try: while True:# Receive a messagefunc_name, args, kwargs = json.loads(connection.recv())# Run the RPC and send a responsetry: r = self._functions[func_name](*args,**kwargs) connection.send(json.dumps(r))except Exception as e: connection.send(json.dumps(str(e))) except EOFError: pass# jsonrpcclient.pyimport jsonclass RPCProxy: def __init__(self, connection): self._connection = connection def __getattr__(self, name): def do_rpc(*args, **kwargs): self._connection.send(json.dumps((name, args, kwargs))) result = json.loads(self._connection.recv()) return result return do_rpc

實現RPC的一個比較復雜的問題是如何去處理異常。至少，當方法產生異常時服務器不應該奔潰。 因此，返回給客戶端的異常所代表的含義就要好好設計了。 如果你使用pickle，異常對象實例在客戶端能被反序列化并拋出。如果你使用其他的協議，那得想想另外的方法了。 不過至少，你應該在響應中返回異常字符串。我們在JSON的例子中就是使用的這種方式。

以上就是Python如何實現遠程方法調用的詳細內容，更多關于Python遠程方法調用的資料請關注好吧啦網其它相關文章！