Golang RPC优化技巧：序列化与压缩方法

本文深入探讨了 Go 语言中 RPC 性能瓶颈的核心根源——默认的 gob 序列化在高并发、大数据量场景下因编码体积大、解析慢且不跨语言，导致 CPU 和带宽成为显著瓶颈；并给出两条务实优化路径：一是彻底升级至 protobuf + gRPC， leveraging HTTP/2、二进制紧凑编码与流式传输实现质的飞跃；二是在无法迁移时，于 net/rpc 上精准叠加压缩层（如 gzip），强调压缩必须作用于序列化后的字节流而非原始结构体，并警惕小消息开销与参数协同调优的重要性——真正高效的 RPC 不止于“换序列化”，而是序列化、传输协议与系统参数的全局协同。

为什么默认的 gob 编码在 RPC 中不够快

Go 标准库的 net/rpc 默认用 gob 序列化，它虽支持任意 Go 类型，但编码体积大、解析慢，且不跨语言。高并发或大数据量场景下，gob 的 CPU 占用和网络带宽消耗会明显成为瓶颈。尤其当结构体字段多、嵌套深或含大量字符串时，gob 生成的字节流比 JSON 还大，更远不如 Protocol Buffers。

替换序列化：用 protobuf + grpc-go 替代原生 net/rpc

最有效的优化不是“调优 gob”，而是换掉整个协议栈。gRPC 基于 HTTP/2 和 Protocol Buffers，天然支持二进制紧凑编码、流式传输、头部压缩和连接复用。

• 定义接口必须写 .proto 文件，用 protoc 生成 Go 代码（含 Unmarshal/Marshal 实现）
• 服务端用 grpc.NewServer() 启动，注册的是实现了 xxxServer 接口的结构体
• 客户端用 grpc.Dial() 连接，调用生成的 Client 方法，底层自动完成序列化/反序列化
• 避免手动调用 proto.Marshal 或 proto.Unmarshal —— gRPC 已封装在 call lifecycle 中

service UserService {
  rpc GetUser(GetUserRequest) returns (GetUserResponse);
}
message GetUserRequest {
  int64 id = 1;
}
message GetUserResponse {
  string name = 1;
  int32 age = 2;
}

在保留 net/rpc 的前提下启用压缩

如果无法迁移到 gRPC（如需兼容旧客户端），可在 net/rpc 上层加一层压缩。关键点是：压缩必须在编码后、发送前做，解压必须在接收后、解码前做。不能压缩原始 struct，而要压缩 gob 或 json 输出的字节流。

• 推荐用 github.com/klauspost/compress/gzhttp 包包装 http.ResponseWriter 和 http.Request，但仅适用于基于 HTTP 的 RPC（如 net/rpc/jsonrpc）
• 若用 TCP 自定义传输，需自己实现 io.ReadWriteCloser，内部套 gzip.NewReader / gzip.NewWriter
• 注意：压缩对小消息（1KB 的 payload
• 禁用 gzip 的 gzip.BestSpeed 模式（默认），改用 gzip.BestCompression 只在服务端出口处设一次，客户端不参与压缩决策

jsonrpc 比 gob 更慢？那为什么还用它

纯性能看，jsonrpc 确实比 gob 慢——JSON 解析开销大、无类型信息、字符串重复多。但它唯一不可替代的价值是**调试友好性与跨语言互通**。生产环境不应直接暴露 jsonrpc 给前端，但可作为内部运维接口（如 Prometheus 指标导出、健康检查端点）。

• 用 net/rpc/jsonrpc.NewClient 连接时，确保服务端启动的是 jsonrpc.ServeConn 而非 gob.ServeConn
• 避免在 jsonrpc 中传 time.Time 或 map[interface{}]interface{} —— JSON 不支持，会 panic
• 若坚持用 JSON，可预编译 encoding/json 的 Marshaler 接口实现，或改用 github.com/json-iterator/go 加速 2–3 倍

真正容易被忽略的是：序列化优化永远要配合传输层调优。比如 gRPC 的 MaxConcurrentStreams、HTTP/2 的 WriteBufferSize、TCP 的 SO_SNDBUF，这些参数不对齐，再快的序列化也白搭。

理论要掌握，实操不能落！以上关于《Golang RPC优化技巧：序列化与压缩方法》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！