当前位置: 首页 > news >正文

高手,云集在于REST、gRPC 和 GraphQL之间!

Rest、GraphQL、gRPC,是目前对Web暴露API常用的三种组织方式。

每当看着这些名词,我都会进入选择困难症。这些丰富多彩的协议填满了我们的工具箱,同时也抛出了一个难题:如果我想要自己的程序健康长久,就不得不了解它们到底是什么东西。

这很让人讨厌,因为它们就像是螺丝螺母的型号,你做的工作只不过是从一堆零件里挑合适的出来,让它们配对,并让它们组合成你想要的功能。

很无趣,也非常没有价值。但看在钱的面子上,又不得不学。本文就是让你快速进行选择,不拖泥带水,赶紧完成工作,喝杯茶也比瞎纠结有趣的多。

Rest

Rest是最常用的API交互手段,SpringBoot对其进行了高度的集成。它通过语义化的URL,使用最通用的HTTP协议,完成无状态的请求交互。

Rest是Restfull的简称,使用HTTP的POST、GET、 PUT、 PATCH 和DELETE来定义对资源的操作。

虽然有这么的操作意义,但在平常的使用中,我们习惯只使用它的POST和GET方法,对应在Spring里就是@GetMapping和@PostMapping注解。没别的原因,只因为Rest看似很强大,但在企业开发中曲线相对较高,很多聚合资源和复杂的操作,根本无法抽象成资源。

但Rest变种也算Rest,它依然是使用最广泛的模式。

选择Rest的原因是因为它的生态太好了。从Ruby到Java、从Golang到Rust,几乎没有语言不支持Rest。如果你想要开发一个Web系统,那几行代码,非常容易的就能把你的API暴露出去。而且,它与网关的集成度非常高,各种负载均衡组件对HTTP的协议可以说是炉火纯青,如果你选择它的话,真的是非常的省事。

但是,Rest也意味着效率低下。由于它要兼容HTTP1.0,频繁的短链接也造成了资源的浪费。即使是长链接,HTTP臃肿的体积也让它在追求高性能的场景中稍逊一筹。加上它是无状态的,如果你想传递一些伴随着用户的数据比如JWT Token,那么你不得不放在HTTP Header或者Cookie中,这加重了整体的传输负担。

总之,Rest是一个快速的开始,但在高性能、有状态的场景下,你不得不选择其他。

gRPC

gRPC当然是Google的作品,因为它传输的数据就是google另外一个产品protobuf所编码的。提到gRPC就不得不提到thrift,它们是一样的东西。但由于google的光环,gRPC更加流行。

gRPC的开发就不像Rest那么灵活,它需要你定义一份合同,然后在client和server端同时引用和传输它。

有了这份合同,就可以压缩数据。比如我们常用的json,其实冗余信息特别多。如果把json的字段使用固定的int代替,或者放在固定的位置进行传递,那么字段名称就根本不需要占用那么大的空间。

gRPC提供了多种数据传输模式。

  1. 类似于Rest的HTTP的一问一答模式;

  2. Client-Streaming 客户端发送数据是流的方式,然后以特定信息结尾,然后Server返回结果;

  3. Server-Streaming Client请求了服务端,服务端持续发送数据到Client,直到通知它结束;

  4. Bidirectional Streaming 双工通道,那就是普通的TCP链接了,全部是流的方式;

gRPC发展了这么多年(2016),对负载均衡的支持也非常好。相对于传统的Rest,它使用HTTP2来传输数据,减少了一问一答的等待,减少了链接的占用。

如果你在搞物联网,或者一些弱网环境的数据收集,这种高压缩比的数据定然让你事半功倍。当然,如果你的微服务体系追求较高的性能,结果Rest就占了一半,那么gRPC是你的不二选择。

当然,弱点也是有的。那就是调试的时候,不如HTTP的生态全面,各种自动化工具缺乏,二进制也通常会让人头晕目眩。

GraphQL

GraphQL也比较年轻,到了2015年才诞生,它规定了一种只取“所需要”数据的能力。

在传统的Rest请求上,访问特定的URL,你会获得相对固定的结果。不管返回的数据里有多少无用的字段,Rest请求都会把请求吐给你。

GraphQL的客户端可以决定取出哪些数据,甚至是取数据的方式和格式--也就是只取它所需要的数据,而不会产生过多的无用数据。

Github就是GraphQL的集大成者。在https://docs.github.com/en/graphql上,详细的列出了这些接口。

下面就是一个典型的带有变量的查询语法。可以看到,这使得请求端比如Js有了类似编程的能力。

query($number_of_repos:Int!) { viewer { name repositories(last: $number_of_repos) { nodes { name } } } } variables { "number_of_repos": 3 }

当然它的弱点也是显而易见的。相对于直接请求某个地址,这些查询语句使得请求的构造变的复杂,学习曲线相对陡峭。

对于复杂的资源查询,尤其是字段非常多,且层次非常深的资源查询,GraphQL不失为一种好的方式。

End

以上就是这三种主要方式的简单介绍。目前,Rest毫无疑问是使用最多的,原因就是因为简单;gRPC有着迅猛的发展势头,尤其在微服务领域已经得到广泛应用;GraphQL很复杂,当然对复杂的业务数据来说是一个好的工具。

当你的业务纯粹是功能为主,访问量一般,那就毫无疑问的使用Rest来快速实现,拿钱完事;如果你的业务对性能要求很高,交互方式上又有流的表现形式,那可以选择gRPC,这一般发生在项目初期,否则还是遵循公司的基础建设为主;GraphQL就相对比较高级了,引入它很痛,周期也较长,是否使用它来组织数据,就看你的决心了。

但无论如何,比起绣花针刺大象,永远不要使用大炮打蚊子。那可能轰不着蚊子,而会炸了自己。

http://www.jsqmd.com/news/119410/

相关文章:

  • Open-AutoGLM工作流监控实战指南(实时可视化监控体系搭建全解析)
  • 各大互联网公司面经分享:Java 全栈知识 +1500 道大厂面试真题
  • Open-AutoGLM数据统计实战:5步教你精准提取月报核心指标
  • 还在手动管理日程?用Open-AutoGLM实现全自动提醒,效率翻倍!
  • 赞!idea 如何单窗口打开多个项目?
  • 2024趋势:AI模型轻量化的7大方向,架构师必须关注
  • 10个降AI率工具,专科生必备的高效降重方案
  • AI聊天(简易版)(前端-后端-部署)——AI全流程制作
  • 2025年度十大阿胶厂家权威推荐,品质与口碑双优!膏方/阿胶糕/膏方类产品/阿胶类/阿胶产品/非遗膏方/阿胶类产品/阿胶阿胶品牌推荐榜单 - 品牌推荐师
  • 在家建个照片库还不够?加个+cpolar,出门在外也能轻松管照片 - 实践
  • Open-AutoGLM参会人员通知(内部首发日程曝光)
  • 【限时公开】Open-AutoGLM核心提醒模块源码解析:掌握保险到期智能触发逻辑
  • 任务超时频发?深度解析Open-AutoGLM负载均衡失败的5大根源
  • 前端基础——CSS练习项目:百度热榜搭建
  • matlab simulink仿真,蓄电池超级电容器协调控制,完美跟踪给定功率曲线,功率变化快...
  • 实用指南:Scikit-learn全流程指南:Python机器学习项目实战
  • 为什么顶级医院都在接入Open-AutoGLM?体检报告智能查询的秘密终于公开
  • C++类的构造顺序
  • C++学习路径(C基础上)
  • (稀缺资源)Open-AutoGLM内部测试数据曝光:准确率高达99.7%的实测报告
  • C++函数指针 类成员函数指针
  • UE:材质基础知识之if判断节点
  • C++两个冒号不同用法的含义区别
  • Python硬件检测CPU、内存、显卡、硬盘等硬件信息获取
  • Open-AutoGLM待办同步架构深度拆解,99%的人都忽略的关键节点
  • 还在手动查体检报告?Open-AutoGLM自动查询方案来了,效率提升90%!
  • 错过服药时间危险有多大?Open-AutoGLM用时序推理帮你规避风险
  • Flink2.1.1-传感器温度计算示例
  • 【AI摄影革命】:Open-AutoGLM如何重新定义标准证件照生产流程
  • 告别反复重拍,Open-AutoGLM让你一次过审:国家级证件照生成实战解析