现在大家做系统开发，都喜欢搞"微服务架构"——简单说就是把一个大系统拆成很多小服务，这样更灵活也更容易扩展。那这些服务之间怎么沟通呢？就得靠一种技术叫 RPC（远程过程调用）。今天我们就来聊聊它的"进化版"：gRPC，看看它和传统的 RPC 到底有啥不一样。
一、先搞懂几个概念
什么是 RPC？
可以把它理解成"跨机器调用函数"的方式。就像你在本地调用一个函数一样，但其实它是在另一台服务器上运行的。传统 RPC 有很多种实现，比如 XML-RPC、JSON-RPC、SOAP 等，数据格式多是 XML 或 JSON。
那 gRPC 是啥？
Google 出品的一个更高效的 RPC 框架，基于 HTTP/2 协议，数据格式用的是 Protocol Buffers（简称 Protobuf）。性能好、效率高，还能自动生成代码，听起来就很香对吧？
二、gRPC 和传统 RPC 的几大区别（白话版）
| 对比点 | 传统 RPC | gRPC |
|---|---|---|
| 传输协议 | 通常用 HTTP/1 或 TCP | HTTP/2，支持多路复用，速度快 |
| 数据格式 | XML/JSON，可读但体积大 | Protobuf，体积小，解析快 |
| 代码生成 | 通常手动写 | 支持自动生成客户端/服务端代码 |
| 流式处理 | 一般不支持 | 支持四种调用模式，支持双向流 |
| 跨语言支持 | 有点费劲 | 官方支持多语言（Go、Python 等） |
| 错误处理 | 用 HTTP 状态码处理 | 用标准错误码机制，支持详细描述 |
三、举个例子更直观
用传统 JSON-RPC 调接口
{
"jsonrpc": "2.0",
"method": "getUserProfile",
"params": {
"userId": 123,
"includeDetails": true
},
"id": 1
}人类能看懂，但数据量大，解析速度也慢。
用 gRPC + Protobuf
首先定义协议：
syntax = "proto3";
service UserService {
rpc GetUserProfile(UserRequest) returns (UserProfile) {}
}
message UserRequest {
int32 user_id = 1;
bool include_details = 2;
}
message UserProfile {
int32 user_id = 1;
string username = 2;
string email = 3;
}然后就可以这样调用：
request = user_pb2.UserRequest(user_id=123, include_details=True)
response = stub.GetUserProfile(request)
print(f"用户名: {response.username}")结构更清晰、体积更小、传输效率更高。
四、请求处理方式对比
# XML-RPC示例
import xmlrpc.client
# 创建客户端
server = xmlrpc.client.ServerProxy("http://localhost:8000")
# 每次调用都会建立新连接
result = server.get_user_info(user_id=123)
print(f"用户信息: {result}")
# 又得重新连接
another_result = server.get_product_details(product_id=456)就像每次打电话都要重新拨号一样，费时间！
gRPC的调用方式
import grpc
import user_service_pb2
import user_service_pb2_grpc
# 创建一个连接通道
with grpc.insecure_channel('localhost:50051') as channel:
# 创建调用对象
stub = user_service_pb2_grpc.UserServiceStub(channel)
# 同一个连接可以调用多个方法
response1 = stub.GetUser(user_service_pb2.GetUserRequest(user_id=123))
response2 = stub.GetProduct(user_service_pb2.GetProductRequest(product_id=456))
# 还能做流式调用，像看视频一样一点点接收数据
for product in stub.ListProducts(user_service_pb2.ListProductsRequest(category="手机")):
print(f"产品: {product.name}, 价格: {product.price}")就像建立一条专线，通话不断，还能边说边听，太方便了！
五、性能差距有多大？
场景：获取 1000 个用户信息
传统 REST（HTTP/1 + JSON）版本：
import requests
import time
start_time = time.time()
users = []
# 发送1000个独立的HTTP请求，每次都要建连接
for i in range(1000):
response = requests.get(f"http://api.example.com/users/{i}")
users.append(response.json())
duration = time.time() - start_time
print(f"REST API: 获取了{len(users)}个用户，耗时{duration:.2f}秒")
# 输出: REST API: 获取了1000个用户，耗时10.45秒gRPC 版本：
import grpc
import user_pb2
import user_pb2_grpc
import time
start_time = time.time()
with grpc.insecure_channel('api.example.com:50051') as channel:
stub = user_pb2_grpc.UserServiceStub(channel)
# 一次请求获取所有用户，批量处理
users = list(stub.GetUsers(user_pb2.GetUsersRequest(limit=1000)))
duration = time.time() - start_time
print(f"gRPC: 获取了{len(users)}个用户，耗时{duration:.2f}秒")
# 输出: gRPC: 获取了1000个用户，耗时1.23秒总结：gRPC 更快，因为它：
-
支持连接复用（不用每次都重新连）
-
使用 Protobuf，数据更轻更快
-
流式处理，批量效率高
六、错误处理方式对比
REST 错误处理：
服务端返回的错误：
{
"error": {
"code": 404,
"message": "User not found",
"details": "The user with ID 12345 does not exist"
}
}客户端处理：
fetch('/api/users/12345')
.then(response => {
if (!response.ok) {
return response.json().then(err => {
throw new Error(`${err.error.message}: ${err.error.details}`);
});
}
return response.json();
})
.catch(error => console.error('错误:', error));靠 HTTP 状态码，但格式不统一，需要手动解析。
gRPC 错误处理：
服务端定义错误：
def GetUser(self, request, context):
user = database.find_user(request.user_id)
if not user:
context.set_code(grpc.StatusCode.NOT_FOUND)
context.set_details(f"找不到用户 {request.user_id}")
return user_pb2.UserProfile() # 返回空对象
return user客户端处理错误：
try:
response = stub.GetUser(request)
print(f"用户信息: {response}")
except grpc.RpcError as e:
if e.code() == grpc.StatusCode.NOT_FOUND:
print(f"错误: 用户不存在 - {e.details()}")
else:
print(f"RPC错误: {e.code()} - {e.details()}")标准的错误码 + 描述，客户端可以直接 catch。像处理本地异常一样方便！
七、实际应用场景选择
什么时候用传统REST API？
-
前端直接调API
// 浏览器调REST API就很方便 fetch('/api/products') .then(res => res.json()) .then(products => console.log(products)); -
接第三方平台 比如接微信支付、支付宝API，人家都是REST的，你也得跟着来
-
简单系统 小项目不追求性能，REST开发速度快
什么时候用gRPC？
-
微服务内部通信 服务多了，内部调用频繁，用gRPC又快又稳
-
实时数据应用
// 股票价格实时推送 func (s *StockServer) PriceStream(request *pb.StockRequest, stream pb.StockService_PriceStreamServer) error { for { price := getLatestPrice(request.Symbol) stream.Send(&pb.StockPrice{ Symbol: request.Symbol, Price: price, Timestamp: time.Now().Unix(), }) time.Sleep(1 * time.Second) } } -
移动端应用 手机流量金贵，gRPC数据小，省流量
-
多语言系统 Python服务调Go服务，Java服务调C#服务，都不是问题
八、总结一句话
REST API就像普通话，大家都听得懂；gRPC像高速公路，虽然有门槛，但一旦上了路就飞快！
如果你在做面向普通用户的接口，或者简单系统，REST API足够了。
