本文基于Thrift-0.10，使用Python实现服务器端，使用Java实现客户端，演示了Thrift RPC调用示例。Java客户端提供两个字符串参数，Python服务器端计算这两个字符串的相似度，并返回相似度结果（double类型，范围[0, 1]，0表示不相似，1表示完全相同）

一，环境安装

开发环境：Windows10，PyCharm2016，Anaconda3，Python3.6

首先安装python 的thrift包：windows打开Anaconda prompt，输入：conda install -c anaconda thrift   安装thrift包。

输入：conda list 可查看系统中已经安装了哪些包，及包的版本，如下图所示：我们安装的是：thrift-0.10.0

在写代码之前，需要先定义一个 .thrift文件，然后使用Thrift Compiler生成相应的Thrift服务需要依赖的“文件”

①定义.thrift文件

namespace py similarityservice
namespace java similarityservice

service ChatSimilarityService{
    double similarity(1:string chat1, 2:string chat2),
}

namespace提供了一种组织代码的方式。其实就是，生成的文件放在：similarityservice这个文件夹下。

由于前面的Python安装的thrift-0.10，因此在官网上下载：thrift-0.10.exe，将它放在与 .thrift相同的目录下，cmd切换到该目录下，执行命令：

.\thrift-0.10.0.exe --gen py chat_similarity.thrift

生成的文件如下，将它们放在合适的python包下，即可供python 服务端程序 import 了。

 

二，Python服务端实现

pycharm thrift插件支持

可以去pycharm插件官网下载一个thrift插件，安装好之后，编写 .thrift 文件能够自动补全提示。

服务端的实现 主要有以下五方面：（个人理解，可能有错）

①Handler

服务端业务处理逻辑。这里就是业务代码，比如 计算两个字符串 相似度

②Processor

从Thrift框架 转移到 业务处理逻辑。因此是RPC调用，客户端要把 参数发送给服务端，而这一切由Thrift封装起来了，由Processor将收到的“数据”转交给业务逻辑去处理

③Protocol

数据的序列化与反序列化。客户端提供的是“字符串”，而数据传输是一个个的字节，因此会用到序列化与反序列化。

④Transport

传输层的数据传输。

⑤TServer

服务端的类型。服务器以何种方式来处理客户端请求，比如，一次Client请求创建一个新线程呢？还是使用线程池？……可参考：阻塞通信之Socket编程

TSimpleServer —— 单线程服务器端使用标准的阻塞式 I/O

TThreadPoolServer —— 多线程服务器端使用标准的阻塞式 I/O

TNonblockingServer —— 多线程服务器端使用非阻塞式 I/O

 

把上面生成的thrift文件复制到 thrift_service包下，如下图：

 

整个python 服务端的完整代码如下：

from thrift.protocol import TBinaryProtocol
from thrift.server import TServer
from thrift.transport import TSocket, TTransport

from text.thrift_service.similarityservice import ChatSimilarityService

from difflib import SequenceMatcher
from pypinyin import pinyin
import zhon
import pypinyin
from zhon.hanzi import punctuation
import re

__HOST = '127.0.0.1'
__PORT = 9090


def similar_num(list1, list2):
    return len(set(list1).intersection(list2))


def similar_ration(str1, str2):
    return SequenceMatcher(lambda x: x == ' ', str1, str2).ratio()

class SimilarityHandler(ChatSimilarityService.Iface):
    def __init__(self):
        self.log={}
    def ping(selfs):
        print('ping')

    def similarity(self, chat1, chat2):
        #去掉中文字符串中的特殊标点符号
        list1 = re.findall('[^{}]'.format(zhon.hanzi.punctuation), chat1)
        list2 = re.findall('[^{}]'.format(zhon.hanzi.punctuation), chat2)

        #将标点符号转换成拼音
        pinyin1 = pinyin(list1, style=pypinyin.STYLE_NORMAL)
        pinyin2 = pinyin(list2, style=pypinyin.STYLE_NORMAL)

        #将所有的拼音统一保存到 单个list 中
        pinyin_list1 = [word[0] for word in pinyin1]
        pinyin_list2 = [word[0] for word in pinyin2]

        #计算 list 中元素相同的个数
        result1 = similar_num(pinyin_list1, pinyin_list2)

        #list convert to string
        str1_pinyin = ''.join(pinyin_list1)
        str2_pinyin = ''.join(pinyin_list2)
        #计算字符串的相似度
        result2 = similar_ration(str1_pinyin, str2_pinyin)

        print('ratio:{}, nums:{}'.format(result2, result1))
        return result2


if __name__ == '__main__':
    handler = SimilarityHandler()
    processor = ChatSimilarityService.Processor(handler)
    transport = TSocket.TServerSocket(host=__HOST, port=__PORT)
    tfact