上一篇關於 WSGI 的硬核長文，不知道有多少同學，能夠從頭看到尾的，不管你們有沒有看得很過癮，反正我是寫得很爽，總有一種將一樣知識吃透了的錯覺。

今天我又給自己挖坑了，打算將 rpc 遠端呼叫的知識，好好地梳理一下，花了週末整整兩天的時間。

什麼是RPC呢？

百度百科給出的解釋是這樣的：“RPC（Remote Procedure Call Protocol）——遠端過程呼叫協議，它是一種通過網路從遠端計算機程式上請求服務，而不需要了解底層網路技術的協議”。這個概念聽起來還是比較抽象，沒關係，繼續往後看，後面概念性的東西，我會講得足夠清楚，讓你完全掌握 RPC 的基礎內容。在後面的篇章中還會結合其在 OpenStack 中實際應用，一步一步揭開 rpc 的神祕面紗。

有的讀者，可能會問，為啥我舉的例子老是 OpenStack 裡的東西呢？

因為每個人的業務中接觸的框架都不一樣（我主要接觸的就是 OpenStack 框架），我無法為每個人去定製寫一篇文章，但其技術原理都是一樣的。即使如此，我也會盡力將文章寫得通用，不會因為你沒接觸過 OpenStack 而成為你理解 rpc 的瓶頸。

01. 既 REST，何 RPC ？

在 OpenStack 裡的程序間通訊方式主要有兩種，一種是基於HTTP協議的RESTFul API方式，另一種則是RPC呼叫。

那麼這兩種方式在應用場景上有何區別呢？

有使用經驗的人，就會知道：

• 前者（RESTful）主要用於各元件之間的通訊（如nova與glance的通訊），或者說用於元件對外提供呼叫介面
• 而後者（RPC）則用於同一組件中各個不同模組之間的通訊（如nova元件中nova-compute與nova-scheduler的通訊）。

關於OpenStack中基於RESTful API的通訊方式主要是應用了WSGI，這個知識點，我在前一篇文章中，有深入地講解過，你可以點選檢視。

對於不熟悉 OpenStack 的人，也別擔心聽不懂，這樣吧，我給你提兩個問題：

1. RPC 和 REST 區別是什麼？
2. 為什麼要採用RPC呢？

第一個問題：RPC 和 REST 區別是什麼？

你一定會覺得這個問題很奇怪，是的，包括我，但是你在網路上一搜，會發現類似對比的文章比比皆是，我在想可能很多初學者由於基礎不牢固，才會將不相干的二者拿出來對比吧。既然是這樣，那為了讓你更加了解陌生的RPC，就從你熟悉得不能再熟悉的 REST 入手吧。

01、所屬類別不同

REST，是Representational State Transfer 的簡寫，中文描述表述性狀態傳遞（是指某個瞬間狀態的資源資料的快照，包括資源資料的內容、表述格式(XML、JSON)等資訊。）

REST 是一種軟體架構風格。 這種風格的典型應用，就是HTTP。其因為簡單、擴充套件性強的特點而廣受開發者的青睞。

而RPC 呢，是 Remote Procedure Call Protocol 的簡寫，中文描述是遠端過程呼叫，它可以實現客戶端像呼叫本地服務(方法)一樣呼叫伺服器的服務(方法)。

RPC 是一種基於 TCP 的通訊協議，按理說它和REST不是一個層面上的東西，不應該放在一起討論，但是誰讓REST這麼流行呢，它是目前最流行的一套網際網路應用程式的API設計標準，某種意義下，我們說 REST 可以其實就是指代 HTTP 協議。

02、使用方式不同

從使用上來看，HTTP 介面只關注服務提供方，對於客戶端怎麼呼叫並不關心。介面只要保證有客戶端呼叫時，返回對應的資料就行了。而RPC則要求客戶端介面保持和服務端的一致。

• REST 是服務端把方法寫好，客戶端並不知道具體方法。客戶端只想獲取資源，所以發起HTTP請求，而服務端接收到請求後根據URI經過一系列的路由才定位到方法上面去
• PRC是服務端提供好方法給客戶端呼叫，客戶端需要知道服務端的具體類，具體方法，然後像呼叫本地方法一樣直接呼叫它。

03、面向物件不同

從設計上來看，RPC，所謂的遠端過程呼叫 ，是面向方法的 ，REST：所謂的 Representational state transfer ，是面向資源的，除此之外，還有一種叫做 SOA，所謂的面向服務的架構，它是面向訊息的，這個接觸不多，就不多說了。

04、序列化協議不同

介面呼叫通常包含兩個部分，序列化和通訊協議。

通訊協議，上面已經提及了，REST 是 基於 HTTP 協議，而 RPC 可以基於 TCP/UDP，也可以基於 HTTP 協議進行傳輸的。

常見的序列化協議，有：json、xml、hession、protobuf、thrift、text、bytes等，REST 通常使用的是 JSON或者XML，而 RPC 使用的是 JSON-RPC，或者 XML-RPC。

通過以上幾點，我們知道了 REST 和 RPC 之間有很明顯的差異。

第二個問題：為什麼要採用RPC呢？

那到底為何要使用 RPC，單純的依靠RESTful API不可以嗎？為什麼要搞這麼多複雜的協議，渣渣表示真的學不過來了。

關於這一點，以下幾點僅是我的個人猜想，僅供交流哈：

1. RPC 和 REST 兩者的定位不同，REST 面向資源，更注重介面的規範，因為要保證通用性更強，所以對外最好通過 REST。而 RPC 面向方法，主要用於函式方法的呼叫，可以適合更復雜通訊需求的場景。
2. RESTful API客戶端與服務端之間採用的是同步機制，當傳送HTTP請求時，客戶端需要等待服務端的響應。當然對於這一點是可以通過一些技術來實現非同步的機制的。
3. 採用RESTful API，客戶端與服務端之間雖然可以獨立開發，但還是存在耦合。比如，客戶端在傳送請求的時，必須知道伺服器的地址，且必須保證伺服器正常工作。而 rpc + ralbbimq中介軟體可以實現低耦合的分散式叢集架構。

說了這麼多，我們該如何選擇這兩者呢？我總結了如下兩點，供你參考：

• REST 介面更加規範，通用適配性要求高，建議對外的介面都統一成 REST（也有例外，比如我接觸過 zabbix，其 API 就是基於 JSON-RPC 2.0協議的）。而元件內部的各個模組，可以選擇 RPC，一個是不用耗費太多精力去開發和維護多套的HTTP介面，一個RPC的呼叫效能更高（見下條）
• 從效能角度看，由於HTTP本身提供了豐富的狀態功能與擴充套件功能，但也正由於HTTP提供的功能過多，導致在網路傳輸時，需要攜帶的資訊更多，從效能角度上講，較為低效。而RPC服務網路傳輸上僅傳輸與業務內容相關的資料，傳輸資料更小，效能更高。

02. 實現遠端呼叫的三種方式

“遠端呼叫”意思就是：被呼叫方法的具體實現不在程式執行本地，而是在別的某個地方（分佈到各個伺服器），呼叫者只想要函式運算的結果，卻不需要實現函式的具體細節。

01、基於 xml-rpc

Python實現 rpc，可以使用標準庫裡的 SimpleXMLRPCServer，它是基於XML-RPC 協議的。

有了這個模組，開啟一個 rpc server，就變得相當簡單了。執行以下程式碼:

import SimpleXMLRPCServer

class calculate:
    def add(self, x, y):
        return x + y

    def multiply(self, x, y):
        return x * y

    def subtract(self, x, y):
        return abs(x-y)

    def divide(self, x, y):
        return x/y


obj = calculate()
server = SimpleXMLRPCServer.SimpleXMLRPCServer(("localhost", 8088))
# 將例項註冊給rpc server
server.register_instance(obj)

print "Listening on port 8088"
server.serve_forever()

有了 rpc server，接下來就是 rpc client，由於我們上面使用的是 XML-RPC，所以 rpc clinet 需要使用xmlrpclib 這個庫。

import xmlrpclib

server = xmlrpclib.ServerProxy("http://localhost:8088")

然後，我們通過 server_proxy 物件就可以遠端呼叫之前的rpc server的函數了。

>> server.add(2, 3)
5
>>> server.multiply(2, 3)
6
>>> server.subtract(2, 3)
1
>>> server.divide(2, 3)
0

SimpleXMLRPCServer是一個單執行緒的伺服器。這意味著，如果幾個客戶端同時發出多個請求，其它的請求就必須等待第一個請求完成以後才能繼續。

若非要使用 SimpleXMLRPCServer 實現多執行緒併發，其實也不難。只要將程式碼改成如下即可。

from SimpleXMLRPCServer import SimpleXMLRPCServer
from SocketServer import ThreadingMixIn
class ThreadXMLRPCServer(ThreadingMixIn, SimpleXMLRPCServer):pass

class MyObject:
    def hello(self):
        return "hello xmlprc"

obj = MyObject()
server = ThreadXMLRPCServer(("localhost", 8088), allow_none=True)
server.register_instance(obj)

print "Listening on port 8088"
server.serve_forever()

02、基於json-rpc

SimpleXMLRPCServer 是基於 xml-rpc 實現的遠端呼叫，上面我們也提到 除了 xml-rpc 之外，還有 json-rpc 協議。

那 python 如何實現基於 json-rpc 協議呢？

答案是很多，很多web框架其自身都自己實現了json-rpc，但我們要獨立這些框架之外，要尋求一種較為乾淨的解決方案，我查詢到的選擇有兩種

第一種是 jsonrpclib

pip install jsonrpclib -i https://pypi.douban.com/simple

第二種是 python-jsonrpc

pip install python-jsonrpc -i https://pypi.douban.com/simple

先來看第一種 jsonrpclib

它與 Python 標準庫的 SimpleXMLRPCServer 很類似（因為它的類名就叫做 SimpleJSONRPCServer ，不明真相的人真以為它們是親兄弟）。或許可以說，jsonrpclib 就是仿照 SimpleXMLRPCServer 標準庫來進行編寫的。

它的匯入與 SimpleXMLRPCServer 略有不同，因為SimpleJSONRPCServer分佈在jsonrpclib庫中。

服務端

from jsonrpclib.SimpleJSONRPCServer import SimpleJSONRPCServer

server = SimpleJSONRPCServer(('localhost', 8080))
server.register_function(lambda x,y: x+y, 'add')
server.serve_forever()

客戶端

import jsonrpclib

server = jsonrpclib.Server("http://localhost:8080")

再來看第二種python-jsonrpc，寫起來貌似有些複雜。

服務端

import pyjsonrpc


class RequestHandler(pyjsonrpc.HttpRequestHandler):

    @pyjsonrpc.rpcmethod
    def add(self, a, b):
        """Test method"""
        return a + b

http_server = pyjsonrpc.ThreadingHttpServer(
    server_address=('localhost', 8080),
    RequestHandlerClass=RequestHandler
)
print "Starting HTTP server ..."
print "URL: http://localhost:8080"
http_server.serve_forever()

客戶端

import pyjsonrpc

http_client = pyjsonrpc.HttpClient(
    url="http://localhost:8080/jsonrpc"
)

還記得上面我提到過的 zabbix API，因為我有接觸過，所以也拎出來講講。zabbix API 也是基於 json-rpc 2.0協議實現的。

因為內容較多，這裡只帶大家打個，zabbix 是如何呼叫的：直接指明要呼叫 zabbix server 的哪個方法，要傳給這個方法的引數有哪些。

03、基於 zerorpc

以上介紹的兩種rpc遠端呼叫方式，如果你足夠細心，可以發現他們都是http+rpc 兩種協議結合實現的。

接下來，我們要介紹的這種（zerorpc），就不再使用走 http 了。

zerorpc 這個第三方庫，它是基於TCP協議、 ZeroMQ 和 MessagePack的，速度相對快，響應時間短，併發高。zerorpc 和 pyjsonrpc 一樣，需要額外安裝，雖然SimpleXMLRPCServer不需要額外安裝，但是SimpleXMLRPCServer效能相對差一些。

pip install zerorpc -i https://pypi.douban.com/simple

服務端程式碼

import zerorpc

class caculate(object):
    def hello(self, name):
        return 'hello, {}'.format(name)

    def add(self, x, y):
        return x + y

    def multiply(self, x, y):
        return x * y

    def subtract(self, x, y):
        return abs(x-y)

    def divide(self, x, y):
        return x/y

s = zerorpc.Server(caculate())

s.bind("tcp://0.0.0.0:4242")
s.run()

客戶端

import zerorpc

c = zerorpc.Client()
c.connect("tcp://127.0.0.1:4242")

客戶端除了可以使用zerorpc框架實現程式碼呼叫之外，它還支援使用“命令列”的方式呼叫。

客戶端可以使用命令列，那服務端是不是也可以呢？

是的，通過 Github 上的文件幾個 demo 可以體驗到這個第三方庫做真的是優秀。

比如我們可以用下面這個命令，建立一個rpc server，後面這個 time Python 標準庫中的 time 模組，zerorpc 會將 time 註冊繫結以供client呼叫。

zerorpc --server --bind tcp://127.0.0.1:1234 time

在客戶端，就可以用這條命令來遠端呼叫這個 time 函式。

zerorpc --client --connect tcp://127.0.0.1:1234 strftime %Y/%m/%d

03. 往rpc中引入訊息中介軟體

經過了上面的學習，我們已經學會了如何使用多種方式實現rpc遠端呼叫。

通過對比，zerorpc 可以說是脫穎而出，一支獨秀。

但為何在 OpenStack 中，rpc client 不直接 rpc 呼叫 rpc server ，而是先把 rpc 呼叫請求發給 RabbitMQ ，再由訂閱者（rpc server）來取訊息，最終實現遠端呼叫呢？

為此，我也做了一番思考：

OpenStack 元件繁多，在一個較大的叢集內部每個元件內部通過rpc通訊頻繁，如果都採用rpc直連呼叫的方式，連線數會非常地多，開銷大，若有些 server 是單執行緒的模式，超時會非常的嚴重。

OpenStack 是複雜的分散式叢集架構，會有多個 rpc server 同時工作，假設有 server01，server02，server03 三個server，當 rpc client 要發出rpc請求時，發給哪個好呢？這是問題一。

你可能會說輪循或者隨機，這樣對大家都公平。這樣的話還會引出另一個問題，倘若請求剛好發到server01，而server01剛好不湊巧，可能由於機器或者其他因為導致服務沒在工作，那這個rpc訊息可就直接失敗了呀。要知道做為一個叢集，高可用是基本要求，如果出現剛剛那樣的情況其實是很尷尬的。這是問題二。

叢集有可能根據實際需要擴充節點數量，如果使用直接呼叫，耦合度太高，不利於部署和生產。這是問題三。

引入訊息中介軟體，可以很好的解決這些問題。

解決問題一：訊息只有一份，接收者由AMQP的負載演算法決定，預設為在所有Receiver中均勻傳送(round robin)。

解決問題二：有了訊息中介軟體做緩衝站，client 可以任性隨意的發，server 都掛掉了？沒有關係，等 server 正常工作後，自己來訊息中介軟體取就行了。

解決問題三：無論有多少節點，它們只要認識訊息中介軟體這一個中介就足夠了。

04. 訊息佇列你應該知道什麼？

由於後面，我將例項講解 OpenStack 中如何將 rpc 和 mq broker 結合使用。

而在此之前，你必須對訊息佇列的一些基本知識有個概念。

首先，RPC只是定義了一個通訊介面，其底層的實現可以各不相同，可以是 socket，也可以是今天要講的 AMQP。

AMQP(Advanced Message Queuing Protocol)是一種基於佇列的可靠訊息服務協議，作為一種通訊協議，AMQP同樣存在多個實現，如Apache Qpid，RabbitMQ等。

以下是 AMQP 中的幾個必知的概念：

• Publisher：訊息釋出者

• Receiver：訊息接收者，在RabbitMQ中叫訂閱者：Subscriber。

• Queue：用來儲存訊息的儲存空間，訊息沒有被receiver前，儲存在佇列中。

• Exchange：用來接收Publisher發出的訊息，根據Routing key 轉發訊息到對應的Message Queue中，至於轉到哪個佇列裡，這個路由演算法又由exchange type決定的。

  exchange type：主要四種描述exchange的型別。

  direct：訊息路由到滿足此條件的佇列中(queue,可以有多個)： routing key = binding key

  topic：訊息路由到滿足此條件的佇列中(queue,可以有多個)：routing key 匹配 binding pattern. binding pattern是類似正則表示式的字串，可以滿足複雜的路由條件。

  fanout：訊息路由到多有繫結到該exchange的佇列中。

• binding ：binding是用來描述exchange和queue之間的關係的概念，一個exchang可以繫結多個佇列，這些關係由binding建立。前面說的binding key /binding pattern也是在binding中給出。

在網上找了個圖，可以很清晰地描述幾個名詞的關係。

關於AMQP，有幾下幾點值得注意：

1. 每個receiver/subscriber 在接收訊息前都需要建立binding。
2. 一個佇列可以有多個receiver，佇列裡的一個訊息只能發給一個receiver。
3. 一個訊息可以被髮送到一個佇列中，也可以被髮送到多個多列中。多佇列情況下，一個訊息可以被多個receiver收到並處理。Openstack RPC中這兩種情況都會用到。

05. OpenStack中如何使用RPC？

前面鋪墊了那麼久，終於到了講真實應用的場景。在生產中RPC是如何應用的呢？

其他模型我不太清楚，在 OpenStack 中的應用模型是這樣的

至於為什麼要如此設計，前面我已經給出了自己的觀點。

接下來，就是原始碼解讀 OpenStack ，看看其是如何通過rpc進行遠端呼叫的。如若你對此沒有興趣（我知道很多人對此都沒有興趣，所以不浪費大家時間），可以直接跳過這一節，進入下一節。

目前Openstack中有兩種RPC實現，一種是在oslo messaging,一種是在openstack.common.rpc。

openstack.common.rpc是舊的實現，oslo messaging是對openstack.common.rpc的重構。openstack.common.rpc在每個專案中都存在一份拷貝，oslo messaging即將這些公共程式碼抽取出來，形成一個新的專案。oslo messaging也對RPC API 進行了重新設計，對多種 transport 做了進一步封裝，底層也是用到了kombu這個AMQP庫。（注：Kombu 是Python中的messaging庫。Kombu旨在通過為AMQ協議提供慣用的高階介面，使Python中的訊息傳遞儘可能簡單，併為常見的訊息傳遞問題提供經過驗證和測試的解決方案。）

關於oslo_messaging庫，主要提供了兩種獨立的API:

1. oslo.messaging.rpc(實現了客戶端-伺服器遠端過程呼叫）
2. oslo.messaging.notify（實現了事件的通知機制）

因為 notify 實現是太簡單了，所以這裡我就不多說了，如果有人想要看這方面內容，可以收藏我的部落格(http://python-online.cn) ，我會更新補充 notify 的內容。

OpenStack RPC 模組提供了 rpc.call，rpc.cast, rpc.fanout_cast 三種 RPC 呼叫方法，傳送和接收 RPC 請求。

• rpc.call 傳送 RPC 同步請求並返回請求處理結果。
• rpc.cast 傳送 RPC 非同步請求，與 rpc.call 不同之處在於，不需要請求處理結果的返回。
• rpc.fanout_cast 用於傳送 RPC 廣播資訊無返回結果

rpc.call 和 rpc.rpc.cast 從實現程式碼上看，他們的區別很小，就是call呼叫時候會帶有wait_for_reply=True引數，而cast不帶。

要了解 rpc 的呼叫機制呢，首先要知道 oslo_messaging 的幾個概念

• transport：RPC功能的底層實現方法，這裡是rabbitmq的訊息佇列的訪問路徑

  transport 就是定義你如何訪連線訊息中介軟體，比如你使用的是 Rabbitmq，那在 nova.conf中應該有一行transport_url的配置，可以很清楚地看出指定了 rabbitmq 為訊息中介軟體，並配置了連線rabbitmq的user，passwd，主機，埠。

  transport_url=rabbit://user:passwd@host:5672

  

  def get_transport(conf, url=None, allowed_remote_exmods=None):
      return _get_transport(conf, url, allowed_remote_exmods,
                            transport_cls=RPCTransport)

• target：指定RPC topic交換機的匹配資訊和繫結主機。

  target用來表述 RPC 伺服器監聽topic，server名稱和server監聽的exchange，是否廣播fanout。

  class Target(object):
          def __init__(self, exchange=None, topic=None, namespace=None,
                   version=None, server=None, fanout=None,
                   legacy_namespaces=None):
          self.exchange = exchange
          self.topic = topic
          self.namespace = namespace
          self.version = version
          self.server = server
          self.fanout = fanout
          self.accepted_namespaces = [namespace] + (legacy_namespaces or [])

  rpc server 要獲取訊息，需要定義target，就像一個門牌號一樣。

  

  rpc client 要傳送訊息，也需要有target，說明訊息要發到哪去。

  

• endpoints：是可供別人遠端呼叫的物件

  RPC伺服器暴露出endpoint，每個 endpoint 包涵一系列的可被遠端客戶端通過 transport 呼叫的方法。直觀理解，可以參考nova-conductor建立rpc server的程式碼，這邊的endpoints就是 nova/manager.py:ConductorManager()

• dispatcher：分發器，這是 rpc server 才有的概念 只有通過它 server 端才知道接收到的rpc請求，要交給誰處理，怎麼處理？

  在client端，是這樣指定要呼叫哪個方法的。

  

  而在server端，是如何知道要執行這個方法的呢？這就是dispatcher 要乾的事，它從 endpoint 裡找到這個方法，然後執行，最後返回。

  

• Serializer：在 python 物件和message(notification) 之間資料做序列化或是反序列化的基類。

  主要方法有四個：

  1. deserialize_context(ctxt) ：對字典變成 request contenxt.
  2. deserialize_entity(ctxt, entity) ：對entity做反序列化，其中ctxt是已經deserialize過的，entity是要處理的。
  3. serialize_context(ctxt) ：將Request context變成字典型別
  4. serialize_entity(ctxt, entity) ：對entity做序列化，其中ctxt是已經deserialize過的，entity是要處理的。

• executor：服務的執行方式，單執行緒或者多執行緒

  每個notification listener都和一個executor繫結，來控制收到的notification如何分配。預設情況下，使用的是blocking executor(具體特性參加executor一節）

  oslo_messaging.get_notification_listener(transport, targets, endpoints, executor=’blocking’, serializer=None, allow_requeue=False, pool=None)

rpc server 和rpc client 的四個重要方法

1. reset()：Reset service.
2. start()：該方法呼叫後，server開始poll,從transport中接收message,然後轉發給dispatcher.該message處理過程一直進行，直到stop方法被呼叫。executor決定server的IO處理策略。可能會是用一個新程序、新協程來做poll操作，或是直接簡單的在一個迴圈中註冊一個回撥。同樣，executor也決定分配message的方式，是在一個新執行緒中dispatch或是..... *
3. stop():當呼叫stop之後，新的message不會被處理。但是，server可能還在處理一些之前沒有處理完的message,並且底層driver資源也還一直沒有釋放。
4. wait()：在stop呼叫之後，可能還有message正在被處理，使用wait方法來阻塞當前程序，直到所有的message都處理完成。之後，底層的driver資源會釋放。

06. 模仿OpenStack寫rpc呼叫

模仿是一種很高效的學習方法，我這裡根據 OpenStack 的呼叫方式，抽取出核心內容，寫成一個簡單的 demo，有對 OpenStack 感興趣的可以瞭解一下，大部分人也可以直接跳過這章節。

以下程式碼不能直接執行，你還需要配置 rabbitmq 的連線方式，你可以寫在配置檔案中，通過 get_transport 從cfg.CONF 中讀取，也可以直接將其寫成url的格式做成引數，傳給 get_transport 。

簡單的 rpc client

#coding=utf-8
import oslo_messaging
from oslo_config import cfg

# 建立 rpc client
transport = oslo_messaging.get_transport(cfg.CONF, url="")
target = oslo_messaging.Target(topic='test', version='2.0')
client = oslo_messaging.RPCClient(transport, target)

# rpc同步呼叫
client.call(ctxt, 'test', arg=arg)

簡單的 rpc server

#coding=utf-8
from oslo_config import cfg
import oslo_messaging
import time

# 定義endpoint類
class ServerControlEndpoint(object):
    target = oslo_messaging.Target(namespace='control',
                                   version='2.0')

    def __init__(self, server):
        self.server = server

    def stop(self, ctx):
        if self.server:
            self.server.stop()

            
class TestEndpoint(object):

    def test(self, ctx, arg):
        return arg

    
# 建立rpc server
transport = oslo_messaging.get_transport(cfg.CONF, url="")
target = oslo_messaging.Target(topic='test', server='server1')
endpoints = [
    ServerControlEndpoint(None),
    TestEndpoint(),
]
server = oslo_messaging.get_rpc_server(transport, target,endpoints,executor='blocking')
try:
    server.start()
    while True:
        time.sleep(1)
except KeyboardInterrupt:
    print("Stopping server")

server.stop()
server.wait()

以上，就是本期推送的全部內容，週末兩天沒有出門，都在寫這篇文章。真的快掏空了我自己，不過寫完後真的很暢快。

---

相關推薦