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  >  科技

RabbitMQ 全套

程序员文章站 2024-01-16 11:13:22
本博客代码运行环境 什么是MQ 本教程pdf及代码下载地址:代码:https://download.csdn.net/download/zpcandzhj/10585077教程:https://download.csdn.net/download/zpcandzhj/10585092 RabbitM ......

本博客代码运行环境

     erlang:      erlang_x64_22 version
     rabbitmq:    rabbitmq_server_3.7.15 version
     python :     python 3.7.1rc1   version
     pip :       pip 19.1.1  version
     pika :       pika 1.0.1 version

什么是mq

消息队列(message queue,简称mq),从字面意思上看,本质是个队列,fifo先入先出,只不过队列中存放的内容是message而已。
其主要用途:不同进程process/线程thread之间通信。
为什么会产生消息队列?有几个原因:

不同进程(process)之间传递消息时,两个进程之间耦合程度过高,改动一个进程,引发必须修改另一个进程,为了隔离这两个进程,在两进程间抽离出一层(一个模块),所有两进程之间传递的消息,都必须通过消息队列来传递,单独修改某一个进程,不会影响另一个;

不同进程(process)之间传递消息时,为了实现标准化,将消息的格式规范化了,并且,某一个进程接受的消息太多,一下子无法处理完,并且也有先后顺序,必须对收到的消息进行排队,因此诞生了事实上的消息队列;

关于消息队列的详细介绍请参阅:
《java帝国之消息队列》
《一个故事告诉你什么是消息队列》
《到底什么时候该使用mq》

mq框架非常之多,比较流行的有rabbitmq、activemq、zeromq、kafka,以及阿里开源的rocketmq。本文主要介绍rabbitmq。

 本教程pdf及代码下载地址
代码:
教程:

 

rabbitmq

rabbitmq简介

    
    1、mq 为 message queue, 消息队列是应用程序和应用程序之间的通信方法,
    2、rabbitmq 是一个开源的, 在amqp 基础上完整的,可复用的企业消息系统,消息中间件 , 消息队列
    3、支持主流的 os, linux, windows, macox 等,
    4、多种开发语言支持, java、python、ruby、.net、php、c/c++、node.js 等
    5、是专业级别的, 甩 python 的队列好几条街
    6、开发语言: erlang----面向并发的编程语言----- 爱立信公司, 可以做到 热插拔, 局部加载, 不需要重启整个服务
 
   amqp: 消息队列的一个协议。

搭建rabbitmq环境:windows下安装

第一步 提供 erlang 编程语言环境-----》安装 erlang

官网: http://www.erlang.org/download ,

安装rabbitmq

官网: https://www.rabbitmq.com/install-windows.html

安装完成: 打开 cmd 命令行工具, cd 到 rabbitmq 的安装目录下的 sbin/ 子目录 中。 如图:

RabbitMQ 全套

1、启动管理工具插件: rabbitmq-plugins enable rabbitmq_management

2、启动 rabbitmq 服务:net start rabbitmq

3、浏览器输入地址: http://127.0.0.1:15672/

RabbitMQ 全套

    4、使用 默认账号管理: guest/ guest  , 能够登陆 ,说明安装成功

    4.1、 添加 admin 用户:

RabbitMQ 全套

     4.2、用户角色: 

   1、超级管理员(administrator)
      可登陆管理控制台,可查看所有的信息,并且可以对用户,策略(policy)进行操作。
   2、监控者(monitoring)
      可登陆管理控制台,同时可以查看rabbitmq节点的相关信息(进程数,内存使用情况,磁盘使用情况等)
   3、策略制定者(policymaker)
     可登陆管理控制台, 同时可以对policy进行管理。但无法查看节点的相关信息(上图红框标识的部分)。
   4、普通管理者(management)
      仅可登陆管理控制台,无法看到节点信息,也无法对策略进行管理。
   5、其他
      无法登陆管理控制台,通常就是普通的生产者和消费者。

 

     4.3、创建virtual hosts

RabbitMQ 全套

        选中admin用户,设置权限:

RabbitMQ 全套

     看到权限已加

RabbitMQ 全套

4.4、 管理界面中的功能: 

RabbitMQ 全套

RabbitMQ 全套

   4.5、 管理工具中 查看队列消息:

RabbitMQ 全套

    点击上面的队列名称,查询具体的队列中的信息:

RabbitMQ 全套

 

使用 rabbitmq 命令 添加用户并设置权限的步骤:

   1. 创建用户:      rabbitmqctl add_user name password
   2. 设置用户角色:   rabbitmqctl set_user_tags name administrator
   3. 远程连接需设置用户权限, 代表允许从外面访问: 
      rabbitmqctl set_permissions -p / name ".*" ".*" ".*"
    解析:          set_permissions [-p vhost] {user} {conf} {write} {read}

   rabbitmq 常用命令: 

 1 1、rabbitmq 管理器插件的启动和关闭:
 2     **启动监控管理器:rabbitmq-plugins enable rabbitmq_management
 3     关闭监控管理器:rabbitmq-plugins disable rabbitmq_management
 4 2、服务的启动与关闭:
 5      **启动rabbitmq:rabbitmq-service start
 6      关闭rabbitmq:rabbitmq-service stop
 7      **使用 windows 命令: net start rabbitmq
 8                                  net stop rabbitmq
 9 3、rabbitmq服务器的启动和关闭:
10     前台启动: rabbitmq-server start
11     后台启动: rabbitmq-server -detached
12     前台停止:rabbitmqctl stop
13     查看 rabbitmq 的状态: rabbitmqctl status
14 4、rabbitmq 应用管理: 
15     关闭应用:rabbitmqctl stop_app
16     启动应用:rabbitmqctl start_app
17 5、用户管理: 
18     **添加用户: rabbitmqctl add_user username password
19     列出所有用户: rabbitmqctl list_users
20     删除用户: rabbitmqctl delete_user username 
21     **修改用户密码: rabbitmqctl change_password username 
22  newpassword
23 6、角色管理: 
24     **分配角色:rabbitmqctl set_user_tags username administrator
25 
26      角色说明
27              none 最小权限角色
28              management 管理员角色
29              policymaker 决策者
30              monitoring 监控
31              administrator 超级管理员
32 7. 权限管理: 
33    清除用户权限: rabbitmqctl clear_permissions -p vhostpath user
34    **设置用户权限: rabbitmqctl set_permissions -p vhostpath username ".*" ".*" ".*"
35 8、虚拟主机管理:
36     列出所有虚拟主机: rabbitmqctl list_vhosts
37     创建虚拟主机:      rabbitmqctl list_vhost vhostpath
38     删除虚拟主机:     rabbitmqctl delete_vhost vhostpath
39     列出虚拟主机所有权限:rabbitmqctl list_permissions -p vhostpath
40 9、队列管理:
41    **查看所有的队列:rabbitmqctl list_queues
42    清除所有的队列:rabbitmqctl reset
43    查看所有绑定:    rabbitmqctl list_bindings
44    查看所有通道:    rabbitmqctl list_channels
45    查看所有连接:    rabbitmqctl list_connections
46    列出所有消费者: rabbitmqctl list_consumers
47    **列出所有交换机: rabbitmqctl list_exchanges

 

python 操作 rabbitmq 之深入浅出

        此博客代码托管地址:  https://github.com/suosuo-rocky/rabbitmq-fullstack

安装 rabbitmq module

 
 pip install pika 
 or 
 easy_install pika
 or 
 源码 : https://pypi.python.org/pypi/pika 

实现最简单的队列通信

RabbitMQ 全套

 

send端

 1 #  发送端, 消费者
 2 import pika
 3 
 4 credentials = pika.plaincredentials('shiwei', 'shiwei666666')
 5 connection = pika.blockingconnection(pika.connectionparameters(host='localhost', credentials=credentials))
 6 
 7 # 在连接之上创建一个 rabbit 协议的通道
 8 channel = connection.channel()
 9 
10 # 在通道中 声明 一个 queue
11 channel.queue_declare(queue='hello')
12 
13 # 一个消息永远不能直接发送到队列,它总是需要经过一个交换
14 # n rabbitmq a message can never be sent directly to the queue, it always needs to go through an exchange.
15 channel.basic_publish(exchange='',  # 交换机
16                       routing_key='hello',   # 路由键,写明将消息发往哪个队列,本例是将消息发往队列hello
17                       body='hello world!')   # 生产者要发送的消息 内容
18 print(" [x] sent 'hello world!'")
19 connection.close()  # 当生产者发送完消息后,可选择关闭连接

receive端

 

import pika
import time
credentials = pika.plaincredentials('shiwei', 'shiwei666666')
connection = pika.blockingconnection(pika.connectionparameters(host='localhost', credentials=credentials))
channel = connection.channel()

# you may ask why we declare the queue again ‒ we have already declared it in our previous code.
# we could avoid that if we were sure that the queue already exists. for example if send.py program
# was run before. but we're not yet sure which program to run first. in such cases it's a good
# practice to repeat declaring the queue in both programs.
# 声明一个队列,生产者和消费者都要声明一个相同的队列,用来防止万一某一方挂了,另一方能正常运行
channel.queue_declare(queue='hello')

# 定义一个回调函数,用来接收生产者发送的消息
def callback(ch, method, properties, body):
    print("received msg...start processing....",body)
    time.sleep(5)
    print(" [x] msg process done....",body)

channel.basic_consume(on_message_callback=callback, # 定义一个回调函数,用来接收生产者发送的消息
                      auto_ack=true,
                      queue='hello',            # 指定取消息的队列名
                      )

print(' [*] waiting for messages. to exit press ctrl+c')
channel.start_consuming()      #开始循环取消息

实现功能

   (1)rabbitmq循环调度公平分发,将消息循环发送给不同的消费者,如:消息1,3,5发送给消费者1;消息2,4,6发送给消费者2。
   (2)消息确认机制,为了确保一个消息不会丢失,rabbitmq支持消息的确认 , 一个 ack(acknowlegement) 是从消费者端发送一个确认去告诉rabbitmq 消息已经接收了、处理了,rabbitmq可以释放并删除掉了。如果一个消费者死掉了(channel关闭、connection关闭、或者tcp连接断开了)而没有发送ack,rabbitmq 就会认为这个消息没有被消费者处理,并会重新发送到生产者的队列里,如果同时有另外一个消费者在线,rabbitmq将会将消息很快转发到另外一个消费者中。 那样的话你就能确保虽然一个消费者死掉,但消息不会丢失。
     这个是没有超时的,当消费方(consumer)死掉后rabbitmq会重新转发消息,即使处理这个消息需要很长很长时间也没有问题。消息的 acknowlegments 默认是打开的,在前面的例子中关闭了: auto_ack = true . 现在删除这个标识 然后 发送一个 acknowledgment。

消息持久化

 消息持久化,将消息写入硬盘中。
       注意: (1)、rabbitmq不允许你重新定义一个已经存在、但属性不同的queue, 否则报错
            (2)、标记消息为持久化并不能完全保证消息不会丢失,尽管已经告诉rabbitmq将消息保存到磁盘,但 
       rabbitmq接收到的消息在还没有保存的时候,仍然有一个短暂的时间窗口。rabbitmq不会对每个消息都执行同步 - 
      -- 可能只是保存到缓存cache还没有写入到磁盘中。因此这个持久化保证并不是很强,但这比我们简单的任务queue要 
      好很多,如果想要很强的持久化保证,可以使用 publisher confirms。
     公平调度: 在一个消费者未处理完一个消息之前不要分发新的消息给它,而是将这个新消息分发给另一个不是很忙的消费 
               者进行处理。为了解决这个问题我们可以在消费者代码中使用 channel.basic.qos (prefetch_count = 1 ),将消费者设置为公平调度

生产者

  

import pika
import sys

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.plaincredentials(username, pwd)

# 创建连接
conn = pika.blockingconnection(pika.connectionparameters("localhost", credentials=user_pwd))
chann = conn.channel()

# 源码:
"""
#     def queue_declare(self,            # channel.queuedeclare 用来创建队列,有5个参数:
#                       queue,           # string queue, 队列名;
#                       passive=false,   # 
#                       durable=false,   # boolean durable, 该队列是否需要持久化
#                       exclusive=false, # boolean exclusive,该队列是否为该通道独占的(其他通道是否可以消费该队列)
#                       auto_delete=false, # boolean autodelete,该队列不再使用的时候,是否让rabbitmq服务器自动删除掉;
#                       arguments=none)

"""
chann.queue_declare(queue='test_tags', # 声明 队列, 不可与 已存在的 队列重名 , 否则 报错
                    durable=true,      # 设置队列 持久化 , 报 : channelclosedbybroker: 406 , 错误, passive:是屈服的意思,将passive设为true,问题解决。
                    # passive= true,
                    )
message = "my name is shiwei"

chann.basic_publish(exchange='',
                    routing_key='test_tags',                              # 表明 要将 消息 发送到哪个队列
                    body = message,
                    properties = pika.basicproperties(delivery_mode = 2)  # 设置消息持久化, 将消息的属性设置为 2 ,表示消息持久化
                    )

print('[publisher] send %s' % message)
conn.close()

消费者

import pika
import time

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.plaincredentials(username, pwd)

# 创建连接
conn = pika.blockingconnection(pika.connectionparameters("localhost", credentials=user_pwd))

chann = conn.channel()

chann.queue_declare(queue='test_tags',  # 声明 队列, 不可与 已存在的 队列重名 , 否则 报错
                    durable=true,       # 设置队列 持久化 ,
                    # passive=true,     # 是否检查当前队列 是否存在 , true 表示 当前声明队列 为 存在 的,
                    )
# 定义 接受消息 的 回调函数
def callback(ch,method, properties, body):
    print(" [消费者] received %r" % body)
    time.sleep(3)
    print(" [消费者] done")
    # 手动 确认  在接收到 消息后 给 rabbitmq 发送一个 确认 ack, 返回 消息标识符
    ch.basic_ack(delivery_tag=method.delivery_tag)
"""
    def basic_consume(self,
                      queue,
                      on_message_callback,
                      auto_ack=false,
                      exclusive=false,
                      consumer_tag=none,
                      arguments=none):
"""
chann.basic.qos (prefetch_count = 1 )
# 注意 源码中的 位置参数的位置
chann.basic_consume(queue='test_tags',
                    on_message_callback = callback,
                    # 是否 需要 自动 确认, 若为 false, 则需要在 消息回调函数中手动确认,
                    auto_ack = false,  # 默认是  false
                    )

chann.start_consuming()  # 开始 循环 接受消息

发布-订阅_广播:一对多-------交换机

 
exchange:交换机。生产者不是将消息发送给队列,而是将消息发送给交换机,由交换机决定将消息发送给哪个队列。所以 
     exchange必须准确知道消息是要送到哪个队列,还是要被丢弃。因此要在exchange中给exchange定义规则,所有的规 
      则都是在exchange的类型中定义的。
exchange有4个类型:
     fanout : 所有bind到此exchange的queue都可以接收消息
     direct :通过routingkey和exchange决定的那个唯一的queue可以接收消息
     topic  :所有符合routingkey(此时可以是一个表达式)的routingkey所bind的queue可以接收消息
          表达式符号说明:#代表一个或多个字符,*代表任何字符
              例:#.a会匹配a.a,aa.a,aaa.a等
                 *.a会匹配a.a,b.a,c.a等
                 注:使用routingkey为#,exchange type为topic的时候相当于使用fanout 
    headers :通过headers 来决定把消息发给哪些queue
   之前,我们并没有讲过exchange,但是我们仍然可以将消息发送到队列中。这是因为我们用的是默认exchange.也就是 
        说之前写的:exchange='',空字符串表示默认的exchange。

exchange_type=fanout

广播类型,生产者将消息发送给所有消费者,如果某个消费者没有收到当前消息,就再也收不到了(消费者就像收音机)
           生产者:(可以用作日志收集系统)
           开启多个消费者后,会同时从生产者接收相同的消息

RabbitMQ 全套


消息publisher

import pika

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.plaincredentials(username, pwd)

# 创建连接
conn = pika.blockingconnection(pika.connectionparameters("localhost", credentials=user_pwd))

#在连接上创建一个频道
channel = conn.channel()

#创建一个fanout(广播)类型的交换机exchange,名字为logs。
channel.exchange_declare(exchange="logs", exchange_type="fanout")
message =  "info: hello world!"
channel.basic_publish(exchange='logs',# 指定交换机exchange为logs,这里只需要指定将消息发给交换机logs就可以了,不需要指定队列,因为生产者消息是发送给交换机的。
                      routing_key='', # 在fanout类型中,绑定关键字routing_key必须忽略,写空即可
                      body=message)
print(" [x] sent %r" % message)
conn.close()

消息subscriber

import pika
import sys

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.plaincredentials(username, pwd)

# 创建连接
conn = pika.blockingconnection(pika.connectionparameters("localhost", credentials=user_pwd))

#在连接上创建一个频道
channel = conn.channel()

channel.exchange_declare(exchange="logs", exchange_type="fanout")  # 参数名改变了,以前版本是 type

result = channel.queue_declare(exclusive=true,  # 创建随机队列,exclusive=true(唯一性)当消费者与rabbitmq断开连接时,这个队列将自动删除。
                               queue='',)

queue_name = result.method.queue # 分配随机队列的名字。
channel.queue_bind(exchange='logs',# 将交换机、队列绑定在一起,
                   queue=queue_name,)

def callback(ch, method, properties, body):   #  定义回调函数,接收消息
    print(" [消费者] %r:%r" % (method.routing_key, body))

channel.basic_consume(queue=queue_name,
                      on_message_callback = callback,
                      auto_ack=true) # 消费者接收消息后,不给rabbimq回执确认。

channel.start_consuming() # 循环等待消息接收。

exchange_type=direct

   rabbitmq还支持根据关键字发送,无需声明队列,即:发布时给队列绑定关键字,发送者将数据根据关键字发送到消息exchange,exchange根据 
        关键字 判定应该将数据发送至指定队列。
        例如: 根据 日志级别,info, warning, error, success,本例即是。 
   注意: *****本例 需从命令行启动,给定参数-------》队列的绑定关键字
 

RabbitMQ 全套

消息publisher

import pika
import sys

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.plaincredentials(username, pwd)

# 创建连接
conn = pika.blockingconnection(pika.connectionparameters("localhost", credentials=user_pwd))

#在连接上创建一个频道
channel = conn.channel()

#创建一个交换机并声明 direct 的类型为:关键字类型,表示该交换机会根据消息中不同的关键字将消息发送给不同的队列
channel.exchange_declare(exchange="direct_logs", exchange_type="direct")

severity = sys.argv[1] if len(sys.argv) > 1 else "info"

message = ' '.join(sys.argv[2:]) or "hello world!"

channel.basic_publish(exchange='direct_logs', # 指明用于发布消息的交换机、关键字
                      routing_key=severity,   # 绑定关键字,即将message与关键字info绑定,明确将消息发送到哪个关键字的队列中。
                      body=message)
print(" [x] sent %r" % message)
conn.close()

消息subscriber

import pika
import sys

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.plaincredentials(username, pwd)

# 创建连接
conn = pika.blockingconnection(pika.connectionparameters("localhost", credentials=user_pwd))

# 在连接上创建一个频道
channel = conn.channel()

channel.exchange_declare(exchange="direct_logs", exchange_type="direct")  # 参数 名改变了, 以前是 type

result = channel.queue_declare(exclusive=true,  # 创建随机队列,当消费者与rabbitmq断开连接时,这个队列将自动删除。
                               queue='',)
queue_name = result.method.queue              # 分配随机队列的名字。

severities = sys.argv[1:]
if not severities:
    sys.stderr.write("usage: %s [info] [warning] [error]\n" % sys.argv[0])
    sys.exit(1)

for severity in severities:                   # 循环 队列, 使其与交换机绑定在一起,
    channel.queue_bind(exchange='direct_logs',
                       queue=queue_name,
                       routing_key=severity,)

def callback(ch, method, properties, body):   # 定义回调函数,接收消息
    print(" [消费者] %r:%r" % (method.routing_key, body))

channel.basic_consume(queue=queue_name,
                      on_message_callback = callback,
                      auto_ack=true,)         # 消费者接收消息后,不给rabbimq回执确认。

channel.start_consuming()                     # 循环等待消息接收。

  

exchange_type=topic---> 模糊匹配类型。比较常用

 
  发送到一个 topics交换机的消息,它的 routing_key不能是任意的 -- 它的routing_key必须是一个用小数点分割的 
      单词列表。 这个字符可以是任何单词,但是通常是一些指定意义的字符。比如: 
      “stock.usd.nyse","nyse.vmw","quick.orange.rabbit".  这里可以是你想要路由键的任意字符。最高限制 
       为255字节。
  生产者与消费者的routing_key必须在同一个表单中。 topic交换的背后的逻辑类似直接交换(direct) -- 包含特定关 
      键字的消息将会分发到所有匹配的关键字队列中。然后有两个重要的特殊情况:
      绑定键值:
        > * (星)  可代替一个单词
        > # (井) 可代替0个或多个单词 
       注意: *****本例 需从命令行启动,给定参数-------》队列的绑定关键字

RabbitMQ 全套

消息publisher

import pika
import sys

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.plaincredentials(username, pwd)

# 创建连接
conn = pika.blockingconnection(pika.connectionparameters("localhost", credentials=user_pwd))

channel = conn.channel()

channel.exchange_declare(exchange='topic_logs',
                         exchange_type='topic')

routing_key = sys.argv[1] if len(sys.argv) > 1 else 'anonymous.info'
message = ' '.join(sys.argv[2:]) or 'hello world!'
channel.basic_publish(exchange='topic_logs',
                      routing_key=routing_key,
                      body=message)
print(" [x] sent %r:%r" % (routing_key, message))
conn.close()

消息subscriber

import pika
import sys

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.plaincredentials(username, pwd)

# 创建连接
conn = pika.blockingconnection(pika.connectionparameters("localhost", credentials=user_pwd))

channel = conn.channel()

channel.exchange_declare(exchange='topic_logs',
                         exchange_type='topic')

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

binding_keys = sys.argv[1:]
if not binding_keys:
    sys.stderr.write("usage: %s [binding_key]...\n" % sys.argv[0])
    sys.exit(1)

for binding_key in binding_keys:
    channel.queue_bind(exchange='topic_logs',
                       queue=queue_name,
                       routing_key=binding_key)

print(' [*] waiting for logs. to exit press ctrl+c')


def callback(ch, method, properties, body):
    print(" [x] %r:%r" % (method.routing_key, body))


channel.basic_consume(on_message_callback = callback,
                      queue=queue_name,
                      auto_ack=true)

channel.start_consuming()
to receive all the logs run:
   python receive_logs_topic.py "#"
to receive all logs from the facility "kern":
   python receive_logs_topic.py "kern.*"
or if you want to hear only about "critical" logs:
   python receive_logs_topic.py "*.critical"
you can create multiple bindings:
   python receive_logs_topic.py "kern.*" "*.critical"
and to emit a log with a routing key "kern.critical" type:
   python emit_log_topic.py "kern.critical" "a critical kernel error"

exchange_type=topic----例 二 :

生产者

 1 import pika
 2 import sys
 3 
 4 username = "shiwei"
 5 pwd = 'shiwei666666'
 6 user_pwd = pika.plaincredentials(username, pwd)
 7 
 8 # 创建连接
 9 conn = pika.blockingconnection(pika.connectionparameters("localhost", credentials=user_pwd))
10 
11 channel = conn.channel()
12 channel.exchange_declare(exchange='topic_logs',
13                          exchange_type='topic')  # 创建模糊匹配类型的exchange。。
14 
15 routing_key = '[warn].kern' # 这里关键字必须为点号隔开的单词,以便于消费者进行匹配。引申:这里可以做一个判断,判断产生的日志是什么级别,然后产生对应的routing_key,使程序可以发送多种级别的日志
16 message =  'hello world!'
17 channel.basic_publish(exchange='topic_logs',#将交换机、关键字、消息进行绑定
18                       routing_key=routing_key,  # 绑定关键字,将队列变成[warn]日志的专属队列
19                       body=message)
20 print(" [x] sent %r:%r" % (routing_key, message))
21 conn.close()

 

消费者

 1 import pika
 2 import sys
 3 
 4 username = "shiwei"
 5 pwd = 'shiwei666666'
 6 user_pwd = pika.plaincredentials(username, pwd)
 7 
 8 # 创建连接
 9 conn = pika.blockingconnection(pika.connectionparameters("localhost", credentials=user_pwd))
10 
11 channel = conn.channel()
12 
13 channel.exchange_declare(exchange='topic_logs',
14                          exchange_type='topic')  # 声明exchange的类型为模糊匹配。
15 
16 result = channel.queue_declare(exclusive=true,
17                                queue="",)        # 创建随机一个队列当消费者退出的时候,该队列被删除。
18 queue_name = result.method.queue                 # 创建一个随机队列名字。
19 
20 # 绑定键。‘#’匹配所有字符,‘*’匹配一个单词。这里列表中可以为一个或多个条件,能通过列表中字符匹配到的消息,消费者都可以取到
21 binding_keys = ['[warn].*', 'info.*']
22 if not binding_keys:
23     sys.stderr.write("usage: %s [binding_key]...\n" % sys.argv[0])
24     sys.exit(1)
25 
26 # 通过循环绑定多个“交换机-队列-关键字”,只要消费者在rabbitmq中能匹配到与关键字相应的队列,就从那个队列里取消息
27 for binding_key in binding_keys:
28     channel.queue_bind(exchange='topic_logs',
29                        queue=queue_name,
30                        routing_key=binding_key)
31 
32 print(' [*] waiting for logs. to exit press ctrl+c')
33 
34 
35 def callback(ch, method, properties, body):
36     print(" [x] %r:%r" % (method.routing_key, body))
37 
38 
39 channel.basic_consume(on_message_callback=callback,
40                       queue=queue_name,
41                       auto_ack=true)       # 不给rabbitmq发送确认
42 
43 channel.start_consuming()                  # 循环接收消息

远程过程调用(rpc)remote procedure call

消息属性
amqp协议在一个消息中预先定义了一个包含14个属性的集合。大部分属性很少用到,以下几种除外:
  > delivery_mode: 标记一个消息为持久的(值为2)或者 瞬时的(其它值), 你需要记住这个属性(在第二课时用到过)
  > content_type : 用来描述 mime 类型的编码 ,比如我们经常使用的 json 编码,设置这个属性就非常好实现: application/json
  > reply_to:reply_to没有特别的意义,只是一个普通的变量名,只是它通常用来命名一个 callback 队列
  > correlation_id : 用来关联rpc的请求与应答。关联id的作用:当在一个队列中接收了一个返回,我们并不清楚这个结果时属于哪个请求的,这样当correlation_id属性使用后,我们为每个请求设置一个唯一值,这个值就是关联id。这样,请求会有一个关联id,该请求的返回结果也有一个相同的关联id。然后当我们从callback队列中接收到一个消息后,我们查看一下这个关联,基于这个我们就能将请求和返回进行匹配。如果我们看到一个未知的correlation_id值,我们可以直接丢弃这个消息 -- 它是不属于我们的请求。
rpc执行过程:
    >  当客户端启动后,它创建一个匿名的唯一的回调队列
    > 对一个rpc请求, 客户端发送一个消息包含两个属性: reply_to (用来设置回调队列)和 correlation_id(用来为每个请求设置一个唯一标识)
    > 请求发送到 rpc_queue队列
    > rpc worker( 服务端) 在那个队列中等待请求,当一个请求出现后,服务端就执行一个job并将结果消息发送给客户端,使用reply_to字段中的队列
    > 客户端在callback 队列中等待数据, 当一个消息出现后,检查这个correlation_id属性,如果和请求中的值匹配将返回给应用

RabbitMQ 全套

rpc running detail:
    >  当客户端启动后,它创建一个匿名的唯一的回调队列
    > 对一个rpc请求, 客户端发送一个消息包含两个属性: reply_to (用来设置回调队列)和 correlation_id(用来为每个请求设置一个唯一标识)
    > 请求发送到 rpc_queue队列
    > rpc worker( 服务端) 在那个队列中等待请求,当一个请求出现后,服务端就执行一个job并将结果消息发送给客户端,使用reply_to字段中的队列
    > 客户端在callback 队列中等待数据, 当一个消息出现后,检查这个correlation_id属性,如果和请求中的值匹配将返回给应用

rpc client

import pika
import uuid

class fibonaccirpcclient(object):
    def __init__(self):
        username = "shiwei"
        pwd = 'shiwei666666'
        user_pwd = pika.plaincredentials(username, pwd)

        # 创建连接
        self.conn = pika.blockingconnection(pika.connectionparameters("localhost", credentials=user_pwd))

        self.channel = self.conn.channel()

        result = self.channel.queue_declare(exclusive=true, queue= '')  # 随机生成 一个 queue , 用与 server 发送消息
        self.callback_queue = result.method.queue

        self.channel.basic_consume(on_message_callback = self.on_response, auto_ack = true,  # 准备 发送 消息
                                   queue=self.callback_queue)

    def on_response(self, ch, method, props, body):
        if self.corr_id == props.correlation_id:
            self.response = body

    def call(self, n):
        self.response = none
        self.corr_id = str(uuid.uuid4())
        self.channel.basic_publish(exchange='',
                                   routing_key='rpc_queue',
                                   properties=pika.basicproperties(
                                                reply_to=self.callback_queue,
                                                correlation_id=self.corr_id,),
                                   body=str(n))
        while self.response is none:
            self.conn.process_data_events()
        return int(self.response)

fibonacci_rpc = fibonaccirpcclient()
print(" [x] requesting fib(30)")
response = fibonacci_rpc.call(7)
print(" [.] got %r" % response)
client running detail:
   > (11) 我们建立一个连接,通道并定义一个专门的’callback‘队列用来接收回复
   > (19) 我们订阅了“callback”队列,因此我们能够接收 rpc 的返回结果
   > (21) ’on_response'  在每个返回中执行的回调是一个简单的job, 对每个返回消息将检查correlation_id是否是我们需要查找的那个id,如果是,将保存结果到 self.response 并终端consuming循环
   > (25) 下一步,我们定义我们的main方法 - 执行实际的rpc请求
   > (27) 在这方法中,首先我们生产一个唯一的 correlatin_id 号并保存 -- 'on_response"回调函数将用着号码来匹配发送和接收的消息值
   > (28) 下一步,发布请求信息,使用两个属性: reply_to 和 correlation_id
   > (34) 这一步我们可以坐等结果的返回
   > (36) 最后我们返回结果给用户

rpc server

import pika

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.plaincredentials(username, pwd)

# 创建连接
conn = pika.blockingconnection(pika.connectionparameters("localhost", credentials=user_pwd))

channel = conn.channel()

channel.queue_declare(queue='rpc_queue')

def fib(n):
    if n == 0:
        return 0
    elif n == 1:
        return 1
    else:
        return fib(n - 1) + fib(n - 2)

def on_request(ch, method, props, body):
    n = int(body)
    print(" [.] fib(%s)" % n)
    response = fib(n)

    ch.basic_publish(exchange='',
                     routing_key=props.reply_to,
                     properties=pika.basicproperties(correlation_id= props.correlation_id),
                     body=str(response))
    ch.basic_ack(delivery_tag=method.delivery_tag)

channel.basic_qos(prefetch_count=1)
channel.basic_consume(queue='rpc_queue', on_message_callback = on_request)
print(" [x] awaiting rpc requests")
channel.start_consuming()
server running detail:
    >  当客户端启动后,它创建一个匿名的唯一的回调队列
    >  对一个rpc请求, 客户端发送一个消息包含两个属性: reply_to (用来设置回调队列)和 correlation_id(用来为每个请求设置一个唯一标识)
    >  请求发送到 rpc_queue队列
    >  rpc worker( 服务端) 在那个队列中等待请求,当一个请求出现后,服务端就执行一个job并将结果消息发送给客户端,使用reply_to字段中的队列
    >  客户端在callback 队列中等待数据, 当一个消息出现后,检查这个correlation_id属性,如果和请求中的值匹配将返回给应用

rpc demo02

处理方法描述:发送端在发送信息前,产生一个接收消息的临时队列,该队列用来接收返回的结果。其实在这里接收端、发送端 
    的概念已经比较模糊了,因为发送端也同样要接收消息,接收端同样也要发送消息,所以这里笔者使用另外的示例来演示这一过程。
示例内容:假设有一个控制中心和一个计算节点,控制中心会将一个自然数n发送给计算节点,计算节点将n值加1后,返回给控 
    制中心。这里用center.py模拟控制中心,compute.py模拟计算节点。

client

 1 import pika
 2 
 3 class center(object):
 4     def __init__(self):
 5         username = "shiwei"
 6         pwd = 'shiwei666666'
 7         user_pwd = pika.plaincredentials(username, pwd)
 8 
 9         # 创建连接
10         self.conn = pika.blockingconnection(pika.connectionparameters("localhost", credentials=user_pwd))
11 
12         self.channel = self.conn.channel()
13         # 定义接收返回消息的队列
14         result = self.channel.queue_declare(exclusive=true,queue="",)
15         self.callback_queue = result.method.queue
16 
17         self.channel.basic_consume(on_message_callback=self.on_response,
18                                    auto_ack=true,
19                                    queue=self.callback_queue)
20 
21     # 定义接收到返回消息的处理方法
22     def on_response(self, ch, method, props, body):
23         self.response = body
24 
25     def request(self, n):
26         self.response = none
27         # 发送计算请求,并声明返回队列
28         self.channel.basic_publish(exchange='',
29                                    routing_key='compute_queue',
30                                    properties=pika.basicproperties(
31                                        reply_to=self.callback_queue,
32                                    ),
33                                    body=str(n))
34         # 接收返回的数据
35         while self.response is none:
36             self.conn.process_data_events()
37         return int(self.response)
38 
39 center = center()
40 
41 print(" [x] requesting increase(30)")
42 response = center.request(30)
43 print(" [.] got %r" % (response,))

server

 1 import pika
 2 
 3 username = "shiwei"
 4 pwd = 'shiwei666666'
 5 user_pwd = pika.plaincredentials(username, pwd)
 6 # 创建连接
 7 conn = pika.blockingconnection(pika.connectionparameters("localhost", credentials=user_pwd))
 8 channel = conn.channel()
 9 
10 print(' [*] waiting for n')
11 channel.queue_declare(queue='compute_queue')
12 
13 # 将n值加1
14 def increase(n):
15     return n + 1
16 
17 # 定义接收到消息的处理方法
18 def request(ch, method, properties, body):
19     print(" [.] increase(%s)" % (body,))
20 
21     response = increase(int(body))
22 
23     # 将计算结果发送回控制中心
24     ch.basic_publish(exchange='',
25                      routing_key=properties.reply_to,
26                      body=str(response))
27     ch.basic_ack(delivery_tag=method.delivery_tag)
28 
29 channel.basic_qos(prefetch_count=1)
30 channel.basic_consume(on_message_callback=request,
31                       queue='compute_queue')
32 
33 channel.start_consuming()

参考文章: