Golang RPC性能优化需从四方面入手：1. 启用gzip等压缩降低传输体积；2. 替换Gob为protobuf/MessagePack等高效编解码协议；3. 采用连接池与批量请求减少RTT；4. 结合监控动态调整压缩阈值与策略。
在高并发或大规模分布式系统中，RPC（远程过程调用）的性能直接影响整体服务响应效率。Golang 作为高性能后端开发语言，其 net/rpc 包虽然简洁易用，但默认未开启数据压缩，导致传输体积大、网络延迟高。通过实现数据压缩与传输优化，可以显著提升 RPC 调用效率，降低带宽消耗。
启用数据压缩减少传输体积
默认情况下，Golang 的 RPC 使用 Gob 编码，不支持压缩。我们可以通过封装底层连接，在 TCP 或 HTTP 层面对传输数据进行压缩。
常见做法是在建立连接时包装 io.ReadWriter，使用如 gzip、snappy 等压缩算法对数据流进行处理。
例如，使用 gzip 压缩：- 客户端发起连接后，将原始 conn 包装成一个带有 gzip.Writer 的写入器和带有 gzip.Reader 的读取器
- 服务端接收连接时，同样用 gzip 解压传入数据，并在返回时压缩输出
- 这样整个 RPC 请求与响应的数据流都经过透明压缩，无需修改业务逻辑
由于压缩有一定 CPU 开销，适合用于传输大量结构体或日志类数据的场景，小数据包可考虑关闭压缩以节省计算资源。
立即学习“go语言免费学习笔记（深入）”；
选择高效编解码协议替代 Gob
Gob 是 Go 特有的序列化格式，性能一般且不具备跨语言兼容性。替换为更高效的编码方式能显著提升传输效率。
- Protocol Buffers（protobuf）：序列化速度快、体积小，支持多语言，适合微服务间通信
- MessagePack：比 JSON 更紧凑，解析更快，适合结构简单但调用频繁的接口
- FlatBuffers：零拷贝访问，适用于对延迟极度敏感的场景
结合 gRPC 使用 protobuf 可原生支持压缩（如启用 grpc.WithInsecure() 和 compressor），是当前主流优化方案之一。
批量请求与连接复用降低开销
频繁建立短连接会导致 TCP 握手和慢启动开销累积。通过连接池与批量处理机制可有效缓解。
- 使用长连接 + 连接池管理客户端到服务端的连接，避免重复建连
- 将多个小请求合并为单个批请求（Batch RPC），减少网络往返次数（RTT）
- 服务端异步处理批量任务，提高吞吐量
例如，定义 BatchGet(args []*ItemRequest, reply *[]*ItemResponse)，一次获取多个资源，相比逐个调用性能提升明显。
监控与动态调整策略
优化不是一劳永逸的。应根据实际负载动态调整压缩级别、连接数、超时时间等参数。
- 引入指标采集（如 Prometheus）监控每次调用的大小、耗时、压缩率
- 根据数据类型自动选择是否压缩：文本类强压缩，图片等已压缩数据跳过
- 设置压缩阈值，仅当 payload 大于一定字节（如 1KB）才启用压缩
结合日志与 trace 工具定位瓶颈，持续迭代优化策略。
基本上就这些。通过压缩传输、更换编码、批量处理和连接复用，Golang RPC 的性能可以大幅提升。关键是根据业务特点选择合适的技术组合，平衡 CPU 与网络开销。不复杂但容易忽略。
