欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

RabbitMQ

程序员文章站 2023-02-03 23:53:47
1. 介绍 RabbitMQ是一个消息代理 - 一个消息系统的媒介。它的工作就是接收和转发消息。你可以把他想象成一个邮局,你把信件都放到这个邮箱中,邮递员叔叔就会把信件投递到你的收件人处。只是邮箱中放的是你的信件,而我们要使用的RabbitMQ中存放的是我们的二进制数据。 下面是RabbitMQ和消 ......

1. 介绍

rabbitmq是一个消息代理 - 一个消息系统的媒介。它的工作就是接收和转发消息。你可以把他想象成一个邮局,你把信件都放到这个邮箱中,邮递员叔叔就会把信件投递到你的收件人处。只是邮箱中放的是你的信件,而我们要使用的rabbitmq中存放的是我们的二进制数据。

下面是rabbitmq和消息所涉及到的一些术语。

  • 生产(producing)的意思就是发送。发送消息的程序就是生产者(producer)。我们一般使用"p"表示。
  • 队列(queue)就是存在于rabbitmq中邮箱的名称。实质上队列就是一个巨大的消息缓冲区,我们同一时刻能够处理的数据有限,所以就将这些数据按照先后顺序存在这个消息队列中,我们一点点的进行处理。
  • 消费(consuming)和接收(receiving)是同一个意思。一个消费者(consumer)就是一个等待获取消息的程序。我们把它绘制为"c":

 

2. 作用

  

1)程序解耦

允许你独立的扩展或修改两边的处理过程,只要确保它们遵守同样的接口约束。

2)冗余:

消息队列把数据进行持久化直到它们已经被完全处理,通过这一方式规避了数据丢失风险。

许多消息队列所采用的"插入-获取-删除"方式中,在把一个消息从队列中删除之前,需要你的处理系统明确的指出该消息已经被处理完毕,从而确保你的数据被安全的保存直到你使用完毕。

3)峰值处理能力:

使用消息队列能够使关键组件顶住突发的访问压力,而不会因为突发的超负荷的请求而完全崩溃。

4)可恢复性:

系统的一部分组件失效时,不会影响到整个系统。

消息队列降低了进程间的耦合度,所以即使一个处理消息的进程挂掉,加入队列中的消息仍然可以在系统恢复后被处理。

5)顺序保证:

在大多使用场景下,数据处理的顺序都很重要。

大部分消息队列本来就是排序的,并且能保证数据会按照特定的顺序来处理。

6)缓冲:

有助于控制和优化数据流经过系统的速度,解决生产消息和消费消息的处理速度不一致的情况。

7)异步通信:

消息队列提供了异步处理机制,允许用户把一个消息放入队列,但并不立即处理它。想向队列中放入多少消息就放多少,然后在需要的时候再去处理它们。

 

3. rabbitmq安装

windows系统

1.rabbitmq 它依赖于erlang,需要先安装erlang。

2.运行行erlang/otp(otp_win64_17.5.exe)的安装步骤,安装完成后
设置erlang_home 环境变量
在开始菜单查找erlang,点击启动 ,如下所示证明安装成功。

RabbitMQ

 

 

 ​ 注意:如果之前安装了erlang的其他版本,需要卸载后在进行重新安装和设置。
3.进行rabbitmq server的下载与安装,直接运行rabbitmq-server-3.5.2.exe,选择要安装的目录,进行安装
​ 
4.为了能够在任意windows命令窗口上操控rabbitmq服务需要在系统里加一个环境变量并且配置在系统的phth环境变量中。
5.检查rabbitmq是否运行正常,打开终端,进入rabbitmq的安装目录rabbitmq_server-3.5.2\sbin,输入rabbitmqctl status,如果出现以下的图,说明安装是成功的,并且说明现在rabbitmq server已经启动了,运行正常。

RabbitMQ

 

 

6.安装rabbitmq_management插件,这款插件是可以可视化的方式查看rabbitmq 服务器实例的状态,以及操控rabbitmq服务器。

rabbitmq-plugins enable rabbitmq_management

现在我们在浏览器中输入: 可以看到一个登录界面:

RabbitMQ

 

 

这里可以使用默认账号guest/guest登录

linux系统下安装

 1 rabbitmq-server服务端
 2 
 3 1.下载centos源,方便使用yum安装软件
 4 wget -o /etc/yum.repos.d/centos-base.repo http://mirrors.cloud.tencent.com/repo/centos7_base.repo
 5 2.下载epel源,安装完成之后你就可以直接使用yum来安装额外的软件包了
 6 wget -o /etc/yum.repos.d/epel.repo http://mirrors.cloud.tencent.com/repo/epel-7.repo
 7 3.清空yum缓存并且生成新的yum缓存
 8 yum clean all
 9 yum makecache
10 4.安装erlang
11    $ yum -y install erlang
12 5.安装rabbitmq
13    $ yum -y install rabbitmq-server
14 6.启动(无用户名密码):
15     systemctl start/stop/restart/status rabbitmq-server
16 # 设置新用户xiaoqi 密码123
17 sudo rabbitmqctl add_user xiaoqi 123
18 # 设置用户为administrator角色
19 sudo rabbitmqctl set_user_tags xiaoqi administrator
20 # 设置权限,允许对所有的队列都有权限
21 对何种资源具有配置、写、读的权限通过正则表达式来匹配,具体命令如下:
22 set_permissions [-p <vhostpath>] <user> <conf> <write> <read>
23 sudo rabbitmqctl set_permissions -p "/" xiaoqi ".*" ".*" ".*"
24 # 停止/重启服务
25 service rabbitmq-server start/stop/restart

rabbitmq相关命令

 1 # 设置rabbitmq账号密码,以及角色权限设置
 2 # 设置新用户xiaoqi 密码123
 3 rabbitmqctl add_user xiaoqi 123
 4 # 设置用户为administrator角色
 5 rabbitmqctl set_user_tags xiaoqi administrator
 6 # 设置权限,允许对所有的队列都有权限
 7 对何种资源具有配置、写、读的权限通过正则表达式来匹配,具体命令如下:
 8 set_permissions [-p <vhostpath>] <user> <conf> <write> <read>
 9 rabbitmqctl set_permissions -p "/" xiaoqi ".*" ".*" ".*"
10 # 停止rabbitmq
11 rabbitmqctl stop 
12 # 重启服务生效设置
13 rabbitmq-server restart
14 rabbitmq相关命令
15 // 新建用户
16 rabbitmqctl add_user {用户名} {密码}
17 // 设置权限
18 rabbitmqctl set_user_tags {用户名} {权限}
19 // 查看用户列表
20 rabbitmqctl list_users
21 // 为用户授权
22 添加 virtual hosts :    
23 rabbitmqctl add_vhost <vhost>    
24 // 删除用户
25 rabbitmqctl delete_user username
26 // 修改用户的密码
27 rabbitmqctl change_password username newpassword 
28 // 删除 virtual hosts :    
29 rabbitmqctl delete_vhost <vhost>       
30 // 添加 users :    
31 rabbitmqctl add_user <username> <password>    
32 rabbitmqctl set_user_tags <username> <tag> ...    
33 rabbitmqctl set_permissions [-p <vhost>] <user> <conf> <write> <read>        
34 // 删除 users :    
35 delete_user <username>   
36 // 使用户user1具有vhost1这个virtual host中所有资源的配置、写、读权限以便管理其中的资源
37 rabbitmqctl  set_permissions -p vhost1 user1 '.*' '.*' '.*' 
38 // 查看权限
39 rabbitmqctl list_user_permissions user1
40 rabbitmqctl list_permissions -p vhost1
41 // 清除权限
42 rabbitmqctl clear_permissions [-p vhostpath] user
43 //清空队列步骤
44 rabbitmqctl reset 
45 需要提前关闭应用rabbitmqctl stop_app ,
46 然后再清空队列,启动应用
47 rabbitmqctl start_app
48 此时查看队列rabbitmqctl list_queues
49 
50 查看所有的exchange:rabbitmqctl list_exchanges
51 查看所有的queue:rabbitmqctl list_queues
52 查看所有的用户: rabbitmqctl list_users
53 查看所有的绑定(exchange和queue的绑定信息):rabbitmqctl list_bindings
54 查看消息确认信息:rabbitmqctl list_queues name messages_ready messages_unacknowledged
55 查看rabbitmq状态,包括版本号等信息:rabbitmqctl status
56 
57 #下列命令安装rabbitmq_management插件,这款插件是可以可视化的方式查看rabbitmq 服务器实例的状态,以及操控rabbitmq服务器。
58 rabbitmq-plugins enable rabbitmq_management
59 
60 #访问web界面
61 http://server-name:15672/
62         
63 # 在浏览器中输入 http://localhost:15672/api/ 就可以看到 rabbitmq management http api 文档

3. rabbitmq安装
rabbitmq使用的是amqp协议。这是一个用于消息传递的开放、通用的协议。针对不同编程语言有大量的rabbitmq客户端可用。

什么是amqp?


消息代理和他们所扮演的角色

消息代理(message brokers)从发布者(publishers)亦称生产者(producers)那儿接收消息,并根据既定的路由规则把接收到的消息发送给处理消息的消费者(consumers)。

由于amqp是一个网络协议,所以这个过程中的发布者,消费者,消息代理 可以存在于不同的设备上。

amqp

amqp协议是一个高级抽象层消息通信协议,rabbitmq是amqp协议的实现。它主要包括以下组件:
1.server(broker): 接受客户端连接,实现amqp消息队列和路由功能的进程。

2.virtual host:其实是一个虚拟概念,类似于权限控制组,一个virtual host里面可以有若干个exchange和queue,但是权限控制的最小粒度是virtual host

3.exchange:交换机,接受生产者发送的消息,并根据binding规则将消息路由给服务器中的队列。exchangetype决定了exchange路由消息的行为,在rabbitmq中,exchangetype有direct、fanout和topic三种,不同类型的exchange路由的行为是不一样的。
- direct直连交换机
    特点:依据key进行投递
    例如绑定时设置了routing key为”hello”,那么客户端提交的消息,只有设置了key为”hello”的才会投递到队列。
- topic主题交换机
    特点:对key模式匹配后进行投递,符号”#”匹配一个或多个词,符号”*”匹配一个词
    例如”abc.#”匹配”abc.def.ghi”,”abc.*”只匹配”abc.def”。
- fanout扇型交换机
    特点:不需要key,采取广播模式,一个消息进来时,投递到与该交换机绑定的所有队列

4.message queue:消息队列,用于存储还未被消费者消费的消息。

5.message: 由header和body组成,header是由生产者添加的各种属性的集合,包括message是否被持久化、由哪个message queue接受、优先级是多少等。而body是真正需要传输的app数据。

6.binding:binding联系了exchange与message queue。exchange在与多个message queue发生binding后会生成一张路由表,路由表中存储着message queue所需消息的限制条件即binding key。当exchange收到message时会解析其header得到routing key,exchange根据routing key与exchange type将message路由到message queue。binding key由consumer在binding exchange与message queue时指定,而routing key由producer发送message时指定,两者的匹配方式由exchange type决定。 

7.connection:连接,对于rabbitmq而言,其实就是一个位于客户端和broker之间的tcp连接。

8.channel:信道,仅仅创建了客户端到broker之间的连接后,客户端还是不能发送消息的。需要为每一个connection创建channel,amqp协议规定只有通过channel才能执行amqp的命令。一个connection可以包含多个channel。之所以需要channel,是因为tcp连接的建立和释放都是十分昂贵的,如果一个客户端每一个线程都需要与broker交互,如果每一个线程都建立一个tcp连接,暂且不考虑tcp连接是否浪费,就算操作系统也无法承受每秒建立如此多的tcp连接。rabbitmq建议客户端线程之间不要共用channel,至少要保证共用channel的线程发送消息必须是串行的,但是建议尽量共用connection。

9.command:amqp的命令,客户端通过command完成与amqp服务器的交互来实现自身的逻辑。例如在rabbitmq中,客户端可以通过publish命令发送消息,txselect开启一个事务,txcommit提交一个事务。

 

6.python中使用rabbitmq


需要先进行模块安装

# rabbitmq官方推荐的python客户端pika模块
pip3 install pika

简单的收发程序,即单发送单接收

发送方send.py

 1 import pika
 2 
 3 # 创建凭证,使用rabbitmq用户密码登录
 4 # 使用前,必须得验证身份
 5 credentials = pika.plaincredentials("guest","guest")
 6 # 建立一个到rabbitmq服务器的连接。
 7 connection = pika.blockingconnection(pika.connectionparameters('localhost',credentials=credentials))
 8 channel = connection.channel()
 9 
10 # 创建一个名为"q1"的队列用来投递消息
11 channel.queue_declare(queue='q1')
12 # 注意在rabbitmq中,消息想要发送给队列,必须经过交换(exchange),初学可以使用空字符串交换(exchange=''),
13 # 它允许我们精确的指定发送给哪个队列(routing_key=''),参数body值发送的数据
14 channel.basic_publish(exchange='',routing_key='q1',body='很高兴见到你')
15 
16 print("已经发送了消息")
17 # 程序退出前,确保刷新网络缓冲以及消息发送给rabbitmq,需要关闭本次连接
18 connection.close()

接收方receive.py

 1 import pika
 2 # 创建凭证,使用rabbitmq用户密码登录
 3 # 使用前,必须得验证身份
 4 credentials = pika.plaincredentials("guest","guest")
 5 # 建立一个到rabbitmq服务器的连接。
 6 connection = pika.blockingconnection(pika.connectionparameters('localhost',credentials=credentials))
 7 channel = connection.channel()
 8 # 创建一个名为"q1"的队列用来投递消息
 9 channel.queue_declare(queue='q1')
10 
11 def callbak(ch,method,properties,body):
12     print("消费者接收到了任务:%r"%body.decode("utf8"))
13 # 有消息来临,立即执行callbak,没有消息则夯住,等待消息
14 # 消息来了,立即去取,队列名字为q1
15 channel.basic_consume(queue='q1', on_message_callback=callbak, auto_ack=true)
16 # 开始消费,接收消息
17 channel.start_consuming()

你也许要问: 为什么要在接收方和发送方重复声明队列呢 —— 我们已经在前面的代码中声明过它了。如果我们确定了队列是已经存在的,那么我们可以不这么做,比如此前预先运行了send.py程序。可是我们并不确定哪个程序会首先运行。这种情况下,在程序中重复将队列重复声明一下是种值得推荐的做法。

工作队列,即单发送多接收

我们将创建一个工作队列(work queue),工作队列(又称:任务队列——task queues),它会发送一些耗时的任务给多个工作者(worker)。为了避免等待一些占用大量资源、时间的操作。当我们把任务(task)当作消息发送到队列中,一个运行在后台的工作者(worker)进程就会取出任务然后处理。当你运行多个工作者(workers),任务就会在它们之间共享。


发送方sender.py
1 # 修改代码
2 import sys
3 message = ' '.join(sys.argv[1:]) or "很高兴见到你"
4 channel.basic_publish(exchange='',routing_key='q1',body=message)
5 print(" [x] sent %r" % (message,))

接收方receiver1.py和receiver2.py

1 # 修改代码
2 import time
3 def callbak(ch,method,properties,body):
4     print("[x] received %r"%body.decode("utf8"))
5     time.sleep(body.decode("utf8").count('.'))
6     print(" [x] done")

我们将receiver1.py和receiver2.py开启,会夯住等待接收消息。

sender.py用来发布新任务,终端执行。

1 python sender.py first message.
2 python sender.py second message..
3 python sender.py third message...
4 python sender.py fourth message....
5 python sender.py fifth message.....

默认来说,rabbitmq会按顺序得把消息发送给每个消费者(consumer)。平均每个消费者都会收到同等数量得消息。这种发送消息得方式叫做——轮询(round-robin)。如果添加三个消费者则会出现丢失数据的问题。

7.消息确认ack

为了防止消息丢失,rabbitmq提供了消息响应(acknowledgments)。消费者会通过一个ack(响应),告诉rabbitmq已经收到并处理了某条消息,然后rabbitmq就会释放并删除这条消息。

如果消费者(consumer)挂掉了,没有发送响应,rabbitmq就会认为消息没有被完全处理,然后重新发送给其他消费者(consumer)。这样,及时工作者(workers)偶尔的挂掉,也不会丢失消息。

消息响应默认是开启的。之前的例子中我们可以使用no_ack=true标识把它关闭。是时候移除这个标识了,当工作者(worker)完成了任务,就发送一个响应。

生产者,发布任务。sender.py

 1 import pika
 2 import sys
 3 # 创建凭证,使用rabbitmq用户密码登录
 4 # 使用前,必须得验证身份
 5 credentials = pika.plaincredentials("guest","guest")
 6 # 建立一个到rabbitmq服务器的连接。
 7 connection = pika.blockingconnection(pika.connectionparameters('localhost',credentials=credentials))
 8 channel = connection.channel()
 9 
10 # 创建一个名为"q1"的队列用来投递消息
11 channel.queue_declare(queue='q1')
12 message = ' '.join(sys.argv[1:]) or "很高兴见到你"
13 # 注意在rabbitmq中,消息想要发送给队列,必须经过交换(exchange),初学可以使用空字符串交换(exchange=''),
14 # 它允许我们精确的指定发送给哪个队列(routing_key=''),参数body值发送的数据
15 channel.basic_publish(exchange='',routing_key='q1',body=message)
16 print(" [x] sent %r" % (message,))
17 # 程序退出前,确保刷新网络缓冲以及消息发送给rabbitmq,需要关闭本次连接
18 connection.close()

消费者,receiver.py

 1 import time
 2 import pika
 3 # 创建凭证,使用rabbitmq用户密码登录
 4 # 使用前,必须得验证身份
 5 credentials = pika.plaincredentials("guest","guest")
 6 # 建立一个到rabbitmq服务器的连接。
 7 connection = pika.blockingconnection(pika.connectionparameters('localhost',credentials=credentials))
 8 channel = connection.channel()
 9 # 创建一个名为"q1"的队列用来投递消息
10 channel.queue_declare(queue='q1')
11 
12 def callbak(ch,method,properties,body):
13     print("[x] received %r"%body.decode("utf8"))
14     time.sleep(body.decode("utf8").count('.'))
15     print(" [x] done")
16     # 消息确认
17     ch.basic_ack(delivery_tag=method.delivery_tag)
18 
19 # 有消息来临,立即执行callbak,没有消息则夯住,等待消息
20 # 消息来了,立即去取,队列名字为q1
21 channel.basic_consume(queue='q1', on_message_callback=callbak)
22 # 开始消费,接收消息
23 channel.start_consuming()

将多个receiver.py启动,然后按如下方式在终端启动sender.py

python sender.py first message.
python sender.py second message..
python sender.py third message...
python sender.py fourth message....
python sender.py fifth message.....

我们会发现现在没有消息丢失,全部被消费者接收。

忘记确认

一个很容易犯的错误就是忘了basic_ack,后果很严重。消息在你的程序退出之后就会重新发送,如果它不能够释放没响应的消息,rabbitmq就会占用越来越多的内存。

为了排除这种错误,你可以使用rabbitmqctl命令,输出messages_unacknowledged字段:

1 e:\myrabbitmq>rabbitmqctl list_queues name messages_ready messages_unacknowledged
2 timeout: 60.0 seconds ...
3 listing queues for vhost / ...
4 xiaoqi    0       0
5 q1      0       0

8.消息持久化

如果你没有特意告诉rabbitmq,那么在它退出或者崩溃的时候,将会丢失所有队列和消息。为了确保信息不会丢失,有两个事情是需要注意的:我们必须把“队列”和“消息”设为持久化。
队列持久化:如果两个队列,a1队列没有做队列持久化,a2队列做了队列持久化,那么重启后a1队列消失,a2队列依然存在,可通过命令rabbitmqctl list_queues查看
消息持久化:还是两个队列,a2队列做了队列持久化,a3做了队列持久化和消息持久化,那么重启后a2和a3队列都存在,但是a2中的数据丢失,a3中的数据依然存在。

首先,为了不让队列消失,需要把队列声明为持久化(durable)

1 channel.queue_declare(queue='q1', durable=true)  # 虽然代码正确,但是会报错。

尽管这行代码本身是正确的,但是仍然不会正确运行。因为我们已经定义过一个叫q1的非持久化队列。rabbitmq不允许你使用不同的参数重新定义一个队列,它会返回一个错误。但我们现在使用一个快捷的解决方法——用不同的名字,例如task_queue。

channel.queue_declare(queue='task_queue', durable=true)

这时候,我们就可以确保在rabbitmq重启之后queue_declare队列不会丢失。

另外,我们需要把我们的消息也要设为持久化——将delivery_mode的属性设为2。

channel.basic_publish(
                exchange='',
                 routing_key="task_queue",
                 body=message,
                 # delivery_mode = 2 使消息持久化
                 properties=pika.basicproperties(delivery_mode = 2,)
             )

注意:消息持久化

将消息设为持久化并不能完全保证不会丢失。以上代码只是告诉了rabbitmq要把消息存到硬盘,但从rabbitmq收到消息到保存之间还是有一个很小的间隔时间。因为rabbitmq并不是所有的消息都使用fsync(2)(同步)——它有可能只是保存到缓存中,并不一定会写到硬盘中。并不能保证真正的持久化,但已经足够应付我们的简单工作队列。如果你一定要保证持久化,你需要改写你的代码来支持事务(transaction)。

9.公平调度

你应该已经发现,它仍旧没有按照我们期望的那样进行分发。比如有两个工作者(workers),处理奇数消息的比较繁忙,处理偶数消息的比较轻松。然而rabbitmq并不知道这些,它仍然一如既往的派发消息。

这时因为rabbitmq只管分发进入队列的消息,不会关心有多少消费者(consumer)没有作出响应。它盲目的把第n-th条消息发给第n-th个消费者。

RabbitMQ

我们可以使用basic.qos方法,并设置prefetch_count=1。这样是告诉rabbitmq,再同一时刻,不要发送超过1条消息给一个工作者(worker),直到它已经处理了上一条消息并且作出了响应。这样,rabbitmq就会把消息分发给下一个空闲的工作者(worker)。

channel.basic_qos(prefetch_count=1)

关于队列大小

如果所有的工作者都处理繁忙状态,你的队列就会被填满。你需要留意这个问题,要么添加更多的工作者(workers),要么使用其他策略。

10.工作队列代码整合

sender.py

 1 import pika
 2 import sys
 3 
 4 # 创建凭证,使用rabbitmq用户密码登录
 5 # 使用前,必须得验证身份
 6 credentials = pika.plaincredentials("guest", "guest")
 7 # 建立一个到rabbitmq服务器的连接。
 8 connection = pika.blockingconnection(pika.connectionparameters('localhost', credentials=credentials))
 9 channel = connection.channel()
10 
11 # 创建一个名为"task1"的队列用来投递消息,durable=true队列持久化
12 channel.queue_declare(queue='task1', durable=true) 
13 # 注意在rabbitmq中,消息想要发送给队列,必须经过交换(exchange),初学可以使用空字符串交换(exchange=''),
14 # 它允许我们精确的指定发送给哪个队列(routing_key=''),参数body值发送的数据
15 message = ' '.join(sys.argv[1:]) or "很高兴见到你"
16 # 发送消息到指定的路由和路由键
17 channel.basic_publish(
18     exchange='',
19     routing_key='task1',
20     body=message,
21     # 消息持久化
22     properties=pika.basicproperties(delivery_mode=2)
23 )
24 print(" [x] sent %r" % (message,))
25 # 程序退出前,确保刷新网络缓冲以及消息发送给rabbitmq,需要关闭本次连接
26 connection.close()

receiver.py

 1 import time
 2 
 3 import pika
 4 # 创建凭证,使用rabbitmq用户密码登录
 5 # 使用前,必须得验证身份
 6 credentials = pika.plaincredentials("guest","guest")
 7 # 建立一个到rabbitmq服务器的连接。
 8 connection = pika.blockingconnection(pika.connectionparameters('localhost',credentials=credentials))
 9 channel = connection.channel()
10 # 创建一个名为"task1"的队列用来投递消息
11 channel.queue_declare(queue='task1',durable=true)
12 
13 def callbak(ch,method,properties,body):
14     print("[x] received %r"%body.decode("utf8"))
15     time.sleep(body.decode("utf8").count('.'))
16     print(" [x] done")
17     # 消息确认
18     ch.basic_ack(delivery_tag=method.delivery_tag)
19 
20 # 只处理一条数据,作出响应后再处理下一条
21 channel.basic_qos(prefetch_count=1)
22 # 有消息来临,立即执行callbak,没有消息则夯住,等待消息
23 # 消息来了,立即去取,队列名字为task1
24 channel.basic_consume(queue='task1', on_message_callback=callbak)
25 # 开始消费,接收消息
26 channel.start_consuming()

注:会发现此时消息是谁有时间谁去处理,而不是轮询分配的方式。

11.exchange交换机

前面的学习只搭建了一个工作队列,每个任务只分发给一个工作者(worker),如果有些任务需要多个工作者都能够拿到,那么就需要使用到exchange。一个消息给到多个消费者,这种模式叫"发布/订阅"

rabbitmq消息模型的核心理念是:发布者(producer)不会直接发送任何消息给队列。而是将消息发送给交换机,由交换机发送给队列。

RabbitMQ

exchange的四种模式

fanout exchange
扇形交换机是最基本的交换机类型,它所能做的事情非常简单———广播消息。扇形交换机会把能接收到的消息全部发送给绑定在自己身上的队列。因为广播不需要“思考”,所以扇形交换机处理消息的速度也是所有的交换机类型里面最快的。

direct exchange
直连交换机是一种带路由功能的交换机,一个队列会和一个交换机绑定,除此之外再绑定一个routing_key,当消息被发送的时候,需要指定一个binding_key,这个消息被送达交换机的时候,就会被这个交换机送到指定的队列里面去。同样的一个binding_key也是支持应用到多个队列中的。这样当一个交换机绑定多个队列,就会被送到对应的队列去处理。

topic exchange
主题交换机是一种支持正则匹配的exchange,发送到topic exchange上的消息需要携带指定规则的routing_key,主题交换机会根据这个规则将数据发送到对应的(多个)队列上。该exchange的routing_key需要有一定的规则,交换机和队列的binding_key需要采用.#......的格式,每个部分用.分开,其中:*表示一个单词,#表示任意数量(零个或多个)单词。

headers exchange
头交换机是忽略routing_key的一种路由方式。路由器和交换机路由的规则是通过headers信息来交换的,这个有点像http的headers。将一个exchange声明成headers exchange,绑定一个队列的时候,定义一个hash的数据结构,消息发送的时候,会携带一组hash数据结构的信息,当hash的内容匹配上的时候,消息就会被写入队列。绑定exchange和队列的时候,hash结构中要求携带一个键“x-match”,这个键的value可以是any或者all,这代表消息携带的hash是需要全部匹配(all),还是仅匹配一个键(any)就可以了。相比direct exchange,首部交换机的优势是匹配的规则不被限定为字符串(string)。

channel.exchange_declare(exchange='logs',
                         exchange_type='fanout')

匿名的交换器

前面我们对交换机一无所知,但仍然能够发送消息到队列中。因为我们使用了命名为空字符串("")默认的交换机。

回想我们之前是如何发布一则消息:

channel.basic_publish(exchange='',
                      routing_key='hello',
                      body=message)

exchange参数就是交换机的名称。空字符串代表默认或者匿名交换机:消息将会根据指定的routing_key分发到指定的队列。

现在,我们就可以发送消息到一个具名交换机了:

channel.basic_publish(exchange='logs',
                      routing_key='',
                      body=message)

临时队列

临时队列手动创建一个随机的队列名,或者让服务器为我们选择一个随机的队列名(推荐)。只需要在调用queue_declare方法的时候,不提供queue参数的值就可以了:

result = channel.queue_declare(queue="")

我们可以通过result.method.queue获得已经生成的随机队列名。它可能是这样子的:amq.gen-u0srcow8tsaxjnh73pnvaw==。

result.method.queue

当与消费者(consumer)断开连接的时候,这个队列应当被立即删除。exclusive标识符即可达到此目的。

result = channel.queue_declare(queue="",exclusive=true)  # 断开连接,队列立即删除

绑定(bindings)

已经创建了一个扇型交换机(fanout)和一个队列。现在我们需要告诉交换机如何发送消息给我们的队列。交换器和队列之间的联系我们称之为绑定(binding)。

channel.queue_bind(exchange='logs',
                   queue=result.method.queue)

你可以使用rabbitmqctl list_bindings 列出所有现存的绑定。

发布/订阅和简单的消息队列区别在于,发布订阅会将消息发送给所有的订阅者,而消息队列中的数据被消费一次便消失。所以,rabbitmq实现发布和订阅时,会为每一个订阅者创建一个队列,而发布者发布消息时,会将消息放置在所有相关队列中。

扇形交换机(fanout)

如:日志文件。

sender.py

import pika
import sys
# 创建凭证,使用rabbitmq用户密码登录
credentials = pika.plaincredentials("guest", "guest")
# 创建一个rabbitmq连接
connection = pika.blockingconnection(pika.connectionparameters('localhost', credentials=credentials))
channel = connection.channel()
# 指定交换机类型
channel.exchange_declare(exchange='m1',exchange_type='fanout')

message = ' '.join(sys.argv[1:]) or "很高兴见到你"
# 指定发送给哪个交换机(exchange='')路由键(routing_key=''),参数body值发送的数据
channel.basic_publish(
    exchange='m1',
    routing_key='',
    body=message,
)
print(" [x] sent %r" % (message,))
connection.close()

receiver.py

import time
import pika

credentials = pika.plaincredentials("guest", "guest")
connection = pika.blockingconnection(pika.connectionparameters('localhost', credentials=credentials))
channel = connection.channel()
channel.exchange_declare(exchange='m1', exchange_type='fanout')
# 随机创建一个队列,扇形交换机要将消息给所有人,所以不需要特意指定一个队列的名称。
result = channel.queue_declare(queue="", exclusive=true)
# 获取队列的名字
queue_name = result.method.queue
# 创建绑定,交换机和队列
channel.queue_bind(exchange='m1',
                   queue=queue_name)

def callbak(ch, method, properties, body):
    print("[x] received %r" % body.decode("utf8"))
    time.sleep(body.decode("utf8").count('.'))
    print(" [x] done")

channel.basic_consume(queue=queue_name, on_message_callback=callbak, auto_ack=true)
# 开始消费,接收消息
channel.start_consuming()

这样我们就完成了。如果你想把结果保存到日志文件中,只需要打开控制台输入:

python receiver.py > logs_from_rabbit.log  # 使用该方式启动receiver.py

直连交换机

绑定(binding)是指交换机(exchange)和队列(queue)的关系。可以简单理解为:这个队列(queue)对这个交换机(exchange)的消息感兴趣。

绑定的时候可以带上一个额外的routing_key参数。为了避免与basic_publish的参数混淆,我们把它叫做绑定键(binding key)。以下是如何创建一个带绑定键的绑定。

channel.queue_bind(exchange=exchange_name,
                   queue=queue_name,
                   routing_key='black')

直连交换机(direct exchange)将会对绑定键(binding key)和路由键(routing key)进行精确匹配,从而确定消息该分发到哪个队列。绑定的都是同一个路由,通过路由键来区分是谁处理任务。

比如:有三个任务,分别分配给三个人,任务1-->p1、任务2-->p2、任务3-->p3,你是一个任务发布者,说我想要任务1的结果了,对应的就是p1给你答案,想要任务2的结果了,对应的就是p2给你答案。

RabbitMQ

如上图所示:直连交换机绑定了q1和q2两个队列,第一个队列使用orange作为绑定键,第二个队列使用black和green作为绑定键,当路由键为orange时会被路由到q1这个队列。为black或green时会被路由到q2这个队列。

多个绑定(multiple bindings)

RabbitMQ

多个队列使用相同的绑定键是合法的。这个例子中,我们可以添加一个x和q1之间的绑定,使用black绑定键。这样一来,直连交换机就和扇型交换机的行为一样,会将消息广播到所有匹配的队列。带有black路由键的消息会同时发送到q1和q2。

sender.py

import pika

routing_key=input("请输入routing_key:")
credentials = pika.plaincredentials("guest", "guest")
connection = pika.blockingconnection(pika.connectionparameters('localhost', credentials=credentials))
channel = connection.channel()
# 指定直连交换机
channel.exchange_declare(exchange='task1',exchange_type='direct')
message = f"很高兴见到你{routing_key}"
channel.basic_publish(
    exchange='task1',
    routing_key=routing_key,
    body=message,
)
print(f"给{routing_key}发送消息成功")
connection.close()

receiver1.py

import time
import pika

credentials = pika.plaincredentials("guest", "guest")
connection = pika.blockingconnection(pika.connectionparameters('localhost', credentials=credentials))
channel = connection.channel()
channel.exchange_declare(exchange='task1', exchange_type='direct')
# 随机创建一个队列
result = channel.queue_declare(queue="", exclusive=true)
# 获取队列的名字
queue_name = result.method.queue
# 绑定交换机和队列
channel.queue_bind(exchange='task1',
                   queue=queue_name,
                   routing_key="xiaoqi")

def callbak(ch, method, properties, body):
    print(body.decode("utf8"))

channel.basic_consume(queue=queue_name, on_message_callback=callbak, auto_ack=true)
# 开始消费,接收消息
channel.start_consuming()

receiver2.py

import time
import pika

credentials = pika.plaincredentials("guest", "guest")
connection = pika.blockingconnection(pika.connectionparameters('localhost', credentials=credentials))
channel = connection.channel()
channel.exchange_declare(exchange='task1', exchange_type='direct')
# 随机创建一个队列
result = channel.queue_declare(queue="", exclusive=true)
# 获取队列的名字
queue_name = result.method.queue
# 绑定交换机和队列
channel.queue_bind(exchange='task1',
                   queue=queue_name,
                   routing_key="dada")

def callbak(ch, method, properties, body):
    print(body.decode("utf8"))

channel.basic_consume(queue=queue_name, on_message_callback=callbak, auto_ack=true)
# 开始消费,接收消息
channel.start_consuming()

应用场景:可以是错误日志,不同日志保存到不同的文件。

如果你希望只是保存warning和error级别的日志到磁盘,只需要打开控制台并输入:

python receive_logs_direct.py warning error > logs_from_rabbit.log  # 此方式开启receiver

主题交换机

发送到主题交换机(topic exchange)的消息不可以携带随意什么样子的路由键(routing_key),它的路由键必须是一个由.分隔开的词语列表。词语的个数可以随意,但是不要超过255字节。

* (星号) 用来表示一个单词.

# (井号) 用来表示任意数量(零个或多个)单词。

主题交换机是很强大的,它可以表现出跟其他交换机类似的行为

  • 当一个队列的绑定键为 "#"(井号) 的时候,这个队列将会无视消息的路由键,接收所有的消息。

  • 当 * (星号) 和 # (井号) 这两个特殊字符都未在绑定键中出现的时候,此时主题交换机就拥有的直连交换机的行为。

sender.py

import pika

routing_key=input("请输入routing_key:")
credentials = pika.plaincredentials("guest", "guest")
connection = pika.blockingconnection(pika.connectionparameters('localhost', credentials=credentials))
channel = connection.channel()
# 指定直连交换机
channel.exchange_declare(exchange='task2',exchange_type='topic')
message = f"很高兴见到你{routing_key}"
channel.basic_publish(
    exchange='task2',
    routing_key=routing_key,
    body=message,
)
print(f"给{routing_key}发送消息成功")
connection.close()

receiver.py

import time
import pika

credentials = pika.plaincredentials("guest", "guest")
connection = pika.blockingconnection(pika.connectionparameters('localhost', credentials=credentials))
channel = connection.channel()
channel.exchange_declare(exchange='task2', exchange_type='topic')
# 随机创建一个队列
result = channel.queue_declare(queue="", exclusive=true)
# 获取队列的名字
queue_name = result.method.queue
# 绑定交换机和队列
channel.queue_bind(exchange='task2',
                   queue=queue_name,
                   routing_key="*.md")

def callbak(ch, method, properties, body):
    print(body.decode("utf8"))
# 有消息来临,立即执行callbak,从队列q1中取数据;没有消息则夯住,等待消息
channel.basic_consume(queue=queue_name, on_message_callback=callbak, auto_ack=true)
# 开始消费,接收消息
channel.start_consuming()

官方文档:http://rabbitmq.mr-ping.com/tutorials_with_python/[5]topics.html

12.rpc远程过程调用

rpc远程过程调用,在计算机a上的进程,调用另外一台计算机b的进程,a上的进程被挂起,b上的被调用进程开始执行后,产生返回值给a,a继续执行。它是一个计算机通信协议。

rpc的关键不在于它是什么通信协议,重点在于可以通过rpc进行解耦服务。

应用:

一个电商的下单过程,涉及物流、支付、库存、红包等多个系统,多个系统又在多个服务器上,由不同的技术团队负责,整个下单过程,需要所有团队进行远程调用。

下单  { 库存>减少库存    
        支付>扣款    
        红包>减免红包    
        物流>生成订单}

python实现rpc

利用rabbitmq构建一个rpc系统,包含了客户端和rpc服务器,依旧使用pika模块

callback queue 回调队列

一个客户端向服务器发送请求,服务器端处理请求后,将其处理结果保存在一个存储体中。而客户端为了获得处理结果,那么客户在向服务器发送请求时,同时发送一个回调队列地址reply_to

result = channel.queue_declare(queue="",exclusive=true)
callback_queue = result.method.queue

channel.basic_publish(exchange='',
                      routing_key='rpc_queue',
                      properties=pika.basicproperties(
                            reply_to = callback_queue,
                            ),
                      body=request)

correlation id 关联标识

一个客户端可能会发送多个请求给服务器,当服务器处理完后,客户端无法辨别在回调队列中的响应具体和那个请求时对应的。为了处理这种情况,客户端在发送每个请求时,同时会附带一个独有correlation_id属性,这样客户端在回调队列中根据correlation_id字段的值就可以分辨此响应属于哪个请求。

客户端发送请求:某个应用将请求信息交给客户端,然后客户端发送rpc请求,在发送rpc请求到rpc请求队列时,客户端至少发送带有reply_to以及correlation_id两个属性的信息。

服务器端工作流: 等待接受客户端发来rpc请求,当请求出现的时候,服务器从rpc请求队列中取出请求,然后处理后,将响应发送到reply_to指定的回调队列中。

客户端接受处理结果: 客户端等待回调队列中出现响应,当响应出现时,它会根据响应中correlation_id字段的值,将其返回给对应的应用。

RabbitMQ

client.py

import pika
import uuid

class fibonaccirpcclient(object):
    def __init__(self):
        credentials = pika.plaincredentials("guest", "guest")
        # 客户端启动时,创建回调队列,会开启会话用于发送rpc请求以及接受响应
        # 建立连接,指定服务器的ip地址
        self.connection = pika.blockingconnection(
            pika.connectionparameters(host='localhost', credentials=credentials))
        # 建立一个会话,每个channel代表一个会话任务
        self.channel = self.connection.channel()

        # 声明回调队列,再次声明的原因是,服务器和客户端可能先后开启,该声明是幂等的,多次声明,但只生效一次
        # exclusive=true 参数是指只对首次声明它的连接可见
        # exclusive=true 会在连接断开的时候,自动删除
        result = self.channel.queue_declare(queue="", exclusive=true)
        # 将次队列指定为当前客户端的回调队列,用户接收服务端给客户端发送的信息
        self.callback_queue = result.method.queue
        # 客户端订阅回调队列,当回调队列中有响应时,调用`on_response`方法对响应进行处理;
        # 有消息来临,立即执行callbak,从队列on_response中取数据;没有消息则夯住,等待消息
        self.channel.basic_consume(queue=self.callback_queue, on_message_callback=self.on_response, auto_ack=true)

    # 对回调队列中的响应进行处理的函数
    def on_response(self, ch, method, props, body):
        if self.corr_id == props.correlation_id:
            self.response = body

    # 发出rpc请求
    # 例如这里服务端就是一场马拉松,跑完一段将棒交给下一个人,这个过程是发送rpc请求
    def call(self, n):
        # 初始化 response
        self.response = none
        # 生成correlation_id 关联标识,通过python的uuid库,生成全局唯一标识id,保证时间空间唯一性
        self.corr_id = str(uuid.uuid4())
        # 发送rpc请求内容到rpc请求队列`task2`,同时发送的还有`reply_to`和`correlation_id`
        self.channel.basic_publish(exchange='',
                                   routing_key='main_queue',
                                   properties=pika.basicproperties(
                                       reply_to=self.callback_queue,
                                       correlation_id=self.corr_id,
                                   ),
                                   body=str(n))
        while self.response is none:
            self.connection.process_data_events()
        return int(self.response)

# 建立客户端
fibonacci_rpc = fibonaccirpcclient()

# 发送rpc请求,丢进rpc队列,等待客户端处理完毕,给与响应
print("发送了请求sum(100)")
response = fibonacci_rpc.call(100)

print("得到远程结果响应%r" % response)

server.py

import pika

credentials = pika.plaincredentials("guest", "guest")
# 建立连接,服务器地址为localhost,也可指定ip地址
connection = pika.blockingconnection(pika.connectionparameters(host='localhost',credentials=credentials))
# 建立会话
channel = connection.channel()
# 模拟一个进程,例如接力比赛
def sum(n):
    n+=100
    return n
# 对rpc请求队列中的请求进行处理

def on_request(ch, method, props, body):
    print(body,type(body))
    n = int(body)
    print(" 正在处理sum(%s)..." % n)
    # 调用数据处理方法
    response = sum(n)
    # 将处理结果(响应)发送到回调队列
    ch.basic_publish(exchange='',
                     # reply_to代表回复目标
                     routing_key=props.reply_to,
                     # correlation_id(关联标识):用来将rpc的响应和请求关联起来。
                     properties=pika.basicproperties(correlation_id= props.correlation_id),
                     body=str(response))
    ch.basic_ack(delivery_tag=method.delivery_tag)
    print(" 处理完成sum(%s)" % n)

# 负载均衡,同一时刻发送给该服务器的请求不超过一个
channel.basic_qos(prefetch_count=1)
channel.basic_consume(queue='main_queue',on_message_callback=on_request)
print("等待接收rpc请求")

#开始消费
channel.start_consuming()