TensorFlow Serving以Server方式提供模型能力服务，作为服务的使用者（Client）可以通过gRPC和RESTfull API两种方式来获取模型能力。虽然TensorFlow对C/S的通信约束做了说明，但感觉介绍的并不是特别的清晰易用，需要自己根据使用示例，并结合文档进行梳理和总结。

官方参考示例

在文档中提到了两个参考示例，一个用于gRPC通信约束测试，一个用于RESTfull API通信约束测试。

1. gRPC示例

示例使用说明：https://www.tensorflow.org/serving/serving_basic

• 模型输出
  minist_save_model.py
  示例代码：https://github.com/tensorflow/serving/blob/master/tensorflow_serving/example/mnist_saved_model.py
• 客户端验证
  mnist_client.py
  示例代码：https://github.com/tensorflow/serving/blob/master/tensorflow_serving/example/mnist_client.py

2. RESTfull API示例

示例使用说明:https://www.tensorflow.org/serving/api_rest

• 模型输出
  export_half_plus_two.py
  示例代码：https://github.com/tensorflow/serving/blob/master/tensorflow_serving/servables/tensorflow/testdata/export_half_plus_two.py
• 客户端验证
  Http请求，通过curl命令完成

示例代码分析

虽然官网提供了两个示例，但实际上RESTfull API的示例过于简单，并且做了封装，实际的参考价值不大。下面主要结合gRPC的示例代码进行分析。

客户端同服务端进行通信交互的核心是几个标识，我们分别介绍下。

1. 模型标识

指定要使用哪一个模型。
参考mnist_client.py

模型标识

模型标识在Serving的模型保存输出代码中并没有显示的声明。模型标识实际上是在指定模型输出路径，和设置TF Serving "target"时指定的。

设置模型标识 设置模型标识
参考:https://www.tensorflow.org/serving/serving_basic

2. 签名标识

可以粗糙的理解为，用来指定需要调用模型中的哪个方法。
官网定义（参考：https://www.tensorflow.org/serving/signature_defs）

签名标识

参考mnist_client.py

签名标识

签名标识在Serving的模型保存输出代码中设置，
参考minist_save_model.py

签名标识

3. 输入标识

设置输入，传入待处理的数据。
官网定义（参考：https://www.tensorflow.org/serving/signature_defs）

输入标识
参考minist_save_model.py
输入标识
参考mnist_client.py
输入标识

4. 输出标识

设置哪些数据作为返回值，只在Serving中进行设置，Client获取的返回值中，能够获取对应的标识。
官网定义（参考：https://www.tensorflow.org/serving/signature_defs）

输出标识
参考minist_save_model.py
输出标识
参考mnist_client.py
输出标识

总结

客户端向服务端发起请求时，指定了模型标识、签名标识、输入标识（包含数据），便可以从服务端获取处理结果，结果中包含输出标识。
gRPC和RESTfull API在通信约束上是一致的。