proto文件
1，message介绍
message：protobuf中定义一个消息类型是通过关键字message字段指定的。消息就算需要传输的数据格式的定义。message关键字类似于C++中的class，Java中的Class，go中的struct
例如：
在消息中承载的数据分别对应于每一个字段。
其中每个字段都有一个名字和一种类型。
2，字段规则
required：消息体中必填字段，不设置会导致编解码异常。一般不填就认为是必填字段了。
optional：消息体中可选字段。生成的是对应的指针。
repeated：消息体中可重复字段，重复的值的顺序会被保留，在go中重复的会被定义为切片。
这里我们来定义一下
然后我们生成一下
看下文件
这里就变成了一个切片
3，字段映射
4，默认值
protobuf3删除了protobuf2中用来设置默认值的default关键字，取而代之的是protobuf3为各类型定义的默认值，也就是约定的默认值，如下表：
5，标识号
标识号：在消息体的定义中，每个字段都必须要有一个唯一的标识号，标识号是[0.2^29-1]范围内的一个整数。
以Person为例，name=1，id=2，email=3，phones=4中的1-4就是标识号
6，定义多个消息类型
一个proto文件中可以定义多个消息类型
7，嵌套消息
可以在其他消息类型中定义，使用消息类型，在下面的例子中，Person消息就定义在PersonInfo消息内
如果你想在它的父消息类型的外部重用这个消息类型，你需要以PersonInfo.Person的形式来使用它，如：
当然，你也可以将消息嵌套任意多层，如：
8，定义服务
如果想要将消息类型用在RPC系统中，可以在.PROTO文件中定义一个RPC服务接口，protocolbuffer编译器会根据所选择的不同语言生成服务接口代码及存根。
上述代表表示，定义了一个RPC服务，该方法接收SearchRequest返回SearchResponse
回想我年轻的时候，在做一个项目时，需要计算斐波那契数列第 n 项的值。但是我只会使用递归来实现。众所周知，递归算法计算斐波那契数列的效率极差，速度极慢。
于是我求助于当时我的师父，问他有没有办法帮我解决这个问题。
我师父说：“有啊，我写过，但是代码是用C++ 写的，你估计看不懂。不过没关系，你用 Python 直接调用就可以了。”
我很惊讶：“用 Python 直接调用C++代码吗？看起来似乎很麻烦啊。”
师父说：“一点也不麻烦。我给你一个.proto 文件和一个地址，你拿去自动生成代码就能调用了。”
于是，我拿到了一个mentors_secret.proto文件，里面的内容非常简单：
syntax = "proto3";
message NumToCalc {
int32 num = 1;
}
message Result {
int32 result = 1;
string msg = 2;
bool success = 3;
}
service MentorsSecret {
rpc CalcFib(NumToCalc) returns (Result) {}
}
还有一个地址：122.51.39.219:8766。
原来是使用 gRPC 啊。这样我就知道怎么做了。
安装环境
首先，我们先安装Python 版本的gRPC：
pip install grpcio grpcio-tools
生成代码
接下来，基于这个mentors_secret.proto文件，自动生成代码。cd进入mentors_secret.proto文件所在的文件，执行下面的命令：
python3 -m grpc_tools.protoc -I . --python_out=. --grpc_python_out=. ./mentors_secret.proto
此时，可以看到当前文件夹中生成了两个文件：mentors_secret_pb2.py和mentors_secret_pb2_grpc.py。
如下图所示：
这两个文件的内容，不需要看。
调用远程服务
接下来，创建一个新文件，叫做client.py，用来调用远程的函数：
import grpc
from mentors_secret_pb2 import NumToCalc
from mentors_secret_pb2_grpc import MentorsSecretStub
channel = grpc.insecure_channel('122.51.39.219:8766')
stub = MentorsSecretStub(channel)
result = stub.CalcFib(NumToCalc(num=36))
print('斐波那契数列第36像是：', result.result)
代码加上空行总共只有10行。1-3行导入模块，6，7行创建远程链接。第9行调用远程的函数。第10行打印结果。
我们来看看运行效果：
运行结果秒出。
总结
当我们拿到一个.proto文件，需要去调用gRPC 服务时，我们一般有如下步骤：
- 自动生成
mentors_secret_pb2.py和mentors_secret_pb2_grpc.py文件。 - 查看
.proto文件里面，service后面的名字MentorsSecret，如下图所示：
- 编写固定的代码：
import grpc
from mentors_secret_pb2_grpc import MentorsSecretStub # service 名字后面加上 Stub
channel = grpc.insecure_channel('远程服务地址和 端口')
stub = MentorsSecretStub(channel)
- 调用远程函数。通过
.proto文件，可以知道远程函数CalcFib接收一个参数NumToCalc，所以把它导入进来：from mentors_secret_pb2 import NumToCalc，它里面的参数为num，所以调用远程服务时赋值：
para = NumToCalc(num=36)
calc_result = stub.CalcFib(para)
- 从
.proto知道返回的结果是Result里面的result属性。于是打印calc_result.result获得结果。
本文中的 gRPC 地址122.51.39.219:8766，我会给大家保留到2020-11-05。有兴趣的同学，可以自己测试一下。
