RabbitMQ 全套
程序员文章站
2022-04-28 22:11:21
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:
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/
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:
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
选中admin用户，设置权限：
看到权限已加
4.4、 管理界面中的功能:
4.5、 管理工具中 查看队列消息:
点击上面的队列名称，查询具体的队列中的信息：
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
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
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
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
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
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：