记的学英语的时候，总是不记的某个词是什么意思，然后就看不下去了，只能问周围的同学或者老师或者去查词典，他们的建议是通过上下文去推测这个词大概的意思,反正我那会上学时没理解，所以英文一直比较差。
现在英语水平也没提高多少，尽管有点领会。
后来慢慢理解了一些，因为有些词有很多种意思，放在某个场景下可能是一个意思，放在另外一个场景下又是其它的意思，这里不举例子了，上文有一定的相似度。
客户端由于是一个独立的环境，所以可以认为它处于一个属于自己的上下文中，与其它的端隔离。在上下文中可以指定一些公共的参数来提供给接口使用，比如：
RPC版本号
客户端请求ID
各类自定义的公共参数
服务端同理，也处于一个属于自己的上下文中，与其它端隔离。
基本线程级别的访问，让客户端或者服务端能够像访问本地变量一样访问RPC框架级别的变量。比如我们想将客户端的一个请求ID传递给服务端，这个请求ID作用于所有接口，比如RPC的调用链追踪，有两种方式：
接口中增加请求ID参数
这个方案显然是不能接受的，因为需要改的接口过多。
接口不改的情况下，在RPC框架中提供一个上下文，其中包含请求ID
这个方案显然成本最小，比如这种样调用：RpcContext.getRequestId();
在RpcContext对象中增加一个map类型的参数对象，可以存放任意扩展的参数。
public class RpcContext { private Map<String,Object> contextParameters; public Map<String, Object> getContextParameters() { return contextParameters; } public void setContextParameters(Map<String, Object> contextParameters) { this.contextParameters = contextParameters; } private static final ThreadLocal<RpcContext> rpcContextThreadLocal=new ThreadLocal<RpcContext>(){ @Override protected RpcContext initialValue() { RpcContext context= new RpcContext(); context.setContextParameters(Maps.newHashMap()); return context; } }; public static RpcContext getContext() { return rpcContextThreadLocal.get(); } public static void removeContext() { rpcContextThreadLocal.remove(); } private RpcContext() { } }
RpcRequest增加如下字段,用于服务端调用。
private Map<String,Object> contextParameters;
在后续新增加的过滤器使用。
private Map<String,Object> contextParameters;
RpcProxy在组装RpcRequest对象时，从RpcContext中获取最新的参数传递给RpcReuest，从而传递给服务端。
public Object invoke(Object proxy, Method method, Object[] args) throws Throwable { RpcRequest request = new RpcRequest(); //... request.setContextParameters(RpcContext.getContext().getContextParameters()); //... }
主要作用就是从本线线程变量中获取参数传递给RpcInvocation。
注解上的order属性文章后面详细介绍
@ActiveFilter(group = {ConstantConfig.CONSUMER},order = -1000) public class ClientContextFilter implements RpcFilter { private final static Logger logger = LoggerFactory.getLogger(ClientContextFilter.class); @Override public Object invoke(RpcInvoker invoker, RpcInvocation invocation) { Map<String,Object> contextParameters=invocation.getContextParameters(); if(null==contextParameters){ contextParameters= Maps.newHashMap(); } Map<String,Object> contextParametersFromRpcContext= RpcContext.getContext().getContextParameters(); if(null!=contextParametersFromRpcContext) { contextParameters.putAll(contextParametersFromRpcContext); } Object rpcResponse=invoker.invoke(invocation); logger.info("ClientContextFilter.invoke end"); return rpcResponse; } }
服务端上下文过滤器与客户端的作用相反，是从RpcInvocation中获取参数传递给本地线程变量RpcContext，后面在执行服务端方法时就可以方便的通过RpcContext获取指定变量。
@ActiveFilter(group = {ConstantConfig.PROVIDER},order = -1000) public class ServerContextFilter implements RpcFilter { private final static Logger logger = LoggerFactory.getLogger(ServerContextFilter.class); @Override public Object invoke(RpcInvoker invoker, RpcInvocation invocation) { Map<String,Object> contextParameters=invocation.getContextParameters(); RpcContext.getContext().setContextParameters(contextParameters); Object rpcResponse=invoker.invoke(invocation); logger.info("ServerContextFilter.invoke end"); return rpcResponse; } }
因为我们的RpcContext是个本地线程变量，而且Rpc服务端是多线程处理业务，所以需要在请求结束后及时的清理掉相关本地线程变量信息。这就需要清理上下文的过滤动作在最后执行，否则有会出现服务端方法还没有执行就被清空了参数。创建一个工具类，专门用来处理获取客户端以及服务端过滤器。
过滤器注解增加排序属性
增加order字段，升级排列。
@Target({ElementType.TYPE}) @Retention(RetentionPolicy.RUNTIME) @Component public @interface ActiveFilter { String[] group() default {}; String[] value() default {}; int order() default 999999999; }
创建ActiveFilterUtil，包含下面两个函数。
获取特定注解的类，然后根据注解上的排序属性升序排序。
private static List<Object> getActiveFilter(){ List<Object> rpcFilterList= Lists.newArrayList(); Map<String, Object> rpcFilterMapObject = ApplicationContextUtils.getApplicationContext().getBeansWithAnnotation(ActiveFilter.class); if (null!=rpcFilterMapObject) { rpcFilterList = Lists.newArrayList(rpcFilterMapObject.values()); Collections.sort(rpcFilterList, new Comparator<Object>() { @Override public int compare(Object o1, Object o2) { ActiveFilter activeFilterO1 = o1.getClass().getAnnotation(ActiveFilter.class); ActiveFilter activeFilterO2 = o2.getClass().getAnnotation(ActiveFilter.class); return activeFilterO1.order() > activeFilterO2.order() ? 1 : -1; } }); } return rpcFilterList; }
提供给客户端以及服务端的一个协助方法，便于客户端以及服务构建过滤器职责链。
public static Map<String,RpcFilter> getFilterMap(boolean isServer){ List<Object> rpcFilterList=getActiveFilter(); Map<String,RpcFilter> filterMap=new HashMap<>(); for (Object filterBean : rpcFilterList) { Class<?>[] interfaces = filterBean.getClass().getInterfaces(); ActiveFilter activeFilter=filterBean.getClass().getAnnotation(ActiveFilter.class); String includeFilterGroupName=!isServer?ConstantConfig.CONSUMER:ConstantConfig.PROVIDER; if(null!=activeFilter.group()&& Arrays.stream(activeFilter.group()).filter(p->p.contains(includeFilterGroupName)).count()==0){ continue; } for(Class<?> clazz:interfaces) { if(clazz.isAssignableFrom(RpcFilter.class)){ filterMap.put(filterBean.getClass().getName(),(RpcFilter) filterBean); } } } return filterMap; }
获取过滤器map的逻辑改为调用上面ActiveFilterUtil.getFilterMap方法。
设置一个RPC版本号的参数。
@RequestMapping("/{productId}") public Product getById(@PathVariable final long productId) throws UnknownHostException { RpcContext.getContext().addContextParameter("rpc-version","1.0"); //... }
简单的在服务端打印出RPC版本号。
logger.info("get context parameter from server,rpc-version={}",String.valueOf(RpcContext.getContext().getContextParameter("rpc-version")));
输出日志如下：
https://github.com/jiangmin168168/jim-framework
文中代码是依赖上述项目的，如果有不明白的可下载源码
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。