Carla框架分析（三）

Carla采用的是CS的架构，即

• Server端是在UE4当中，作为UE4的一个插件Plugin
• Client端是C++客户端或者是Python客户端
• 中间通过rpc框架进行通信，走的是TCP协议

首先来看一张很重要的图

image

这张图清晰明了的说明了Carla的整体框架，接下来我们一个一个分析

RPC框架

建议读者先要理解RPC框架才往后阅读

Carla所使用的是rpc框架是rpclib，可以在github上找到：地址

或者在Build/rpclib-src目录下

LibCarla

LibCarla是Carla的核心代码C++实现，提供给Server端和Client端使用，同时对rpclib进行了封装，具体目录在LibCarla\source\carla下，其中LibCarla\source\third-party则是Carla所使用的第三方库

我们可以在LibCarla\cmake目录中看到以下目录结构，说明Server端和Client端是分开构建的

image

• Server端依赖的代码在Carla构建完之后会被安装到Unreal\CarlaUE4\Plugins\Carla\CarlaDependencies目录下
• Client端依赖的代码在Carla构建完之后会被安装到PythonAPI\carla\dependencies目录下

Server端

Server端的代码在Unreal/CarlaUE4/Plugins/Carla/Source/Carla目录下，其中Server/CarlaServer.cpp里包含了Carla对rpc::Server的一个封装

class ServerBinder
{
public:

  constexpr ServerBinder(const char *name, carla::rpc::Server &srv, bool sync)
    : _name(name),
      _server(srv),
      _sync(sync) {}

  template 
  auto operator<<(FuncT func)
  {
    if (_sync)
    {
      _server.BindSync(_name, func);
    }
    else
    {
      _server.BindAsync(_name, func);
    }
    return func;
  }

private:

  const char *_name;

  carla::rpc::Server &_server;

  bool _sync;
};

#define BIND_SYNC(name)   auto name = ServerBinder(# name, Server, true)
#define BIND_ASYNC(name)  auto name = ServerBinder(# name, Server, false)

// =============================================================================
// -- Bind Actions -------------------------------------------------------------
// =============================================================================

void FCarlaServer::FPimpl::BindActions()
{
  namespace cr = carla::rpc;
  namespace cg = carla::geom;

  /// Looks for a Traffic Manager running on port
  BIND_SYNC(is_traffic_manager_running) << [this] (uint16_t port) ->R
  {
    return (TrafficManagerInfo.find(port) != TrafficManagerInfo.end());
  };

  // ... 其余代码
}

通过源码可以看到，BIND_SYNC和BIND_ASYNC两个宏实现了Server端函数调用的绑定，例如：is_traffic_manager_running函数

Client端（C++）

我们可以在LibCarla\source\carla\client\detail\Client.cpp中找到Client端的实现代码，不过如果你要编写的是C++的Client的话，你可以从PythonAPI\carla\dependencies目录下拿取安装好的

  class Client::Pimpl {
  public:

    Pimpl(const std::string &host, uint16_t port, size_t worker_threads)
      : endpoint(host + ":" + std::to_string(port)),
        rpc_client(host, port),
        streaming_client(host) {
      rpc_client.set_timeout(5000u);
      streaming_client.AsyncRun(
          worker_threads > 0u ? worker_threads : std::thread::hardware_concurrency());
    }

    template 
    auto RawCall(const std::string &function, Args && ... args) {
      try {
        return rpc_client.call(function, std::forward(args) ...);
      } catch (const ::rpc::timeout &) {
        throw_exception(TimeoutException(endpoint, GetTimeout()));
      }
    }

    template 
    auto CallAndWait(const std::string &function, Args && ... args) {
      auto object = RawCall(function, std::forward(args) ...);
      using R = typename carla::rpc::Response;
      auto response = object.template as();
      if (response.HasError()) {
        throw_exception(std::runtime_error(response.GetError().What()));
      }
      return Get(response);
    }

    template 
    void AsyncCall(const std::string &function, Args && ... args) {
      // Discard returned future.
      rpc_client.async_call(function, std::forward(args) ...);
    }

    time_duration GetTimeout() const {
      auto timeout = rpc_client.get_timeout();
      DEBUG_ASSERT(timeout.has_value());
      return time_duration::milliseconds(static_cast(*timeout));
    }

    const std::string endpoint;

    rpc::Client rpc_client;

    streaming::Client streaming_client;
  };

  Client::Client(
      const std::string &host,
      const uint16_t port,
      const size_t worker_threads)
    : _pimpl(std::make_unique(host, port, worker_threads)) {}

  bool Client::IsTrafficManagerRunning(uint16_t port) const {
    return _pimpl->CallAndWait("is_traffic_manager_running", port);
  }

通过源码可以看到，Client端调用了Server端的函数is_traffic_manager_running

Client端（Python）

目录：PythonAPI\carla\source\libcarla，主要是通过boost::python来实现C++到Python的绑定

我们随便看一个文件，例如PythonAPI\carla\source\libcarla\Actor.cpp文件，具体的绑定用法需要读者自己去了解boost::python

image