RabbitMQ消息队列

阅读量：4986 次

发布时间：2019-06-12

本文共 11919 字，大约阅读时间需要 39 分钟。

RabbitMQ

什么是MQ？

MQ全称为Message Queue, 消息队列（MQ）是一种应用程序对应用程序的通信方法。MQ是消费-生产者模型的一个典型的代表，一端往消息队列中不断写入消息，而另一端则可以读取队列中的消息。

RabbitMQ是MQ的一种。下面详细介绍一下RabbitMQ的基本概念。

RabbitMQ的基本概念

exchange： producer只能将消息发送给exchange。而exchange负责将消息发送到queues。Exchange必须准确的知道怎么处理它接受到的消息，是被发送到一个特定的queue还是许多quenes,还是被抛弃，这些规则则是通过exchange type来定义。主要的type有direct,topic,headers,fanout。具体针对不同的场景使用不同的type。

queue: 消息队列，消息的载体。接收来自exchange的消息，然后再由consumer取出。exchange和queue是可以一对多的，它们通过routingKey来绑定。

Binding:绑定，它的作用就是把exchange和queue按照路由规则绑定起来。

Producer:生产者，消息的来源,消息必须发送给exchange。而不是直接给queue。

Consumer:消费者，直接从queue中获取消息进行消费，而不是从exchange。

从以上可以看出Rabbitmq工作原理大致就是producer把一条消息发送给exchange。rabbitMQ根据routingKey负责将消息从exchange发送到对应绑定的queue中去，这是由rabbitMQ负责做的。而consumer只需从queue获取消息即可。基本效果图如下：

最简单的队列通信

import pika# 建立一个实例connection = pika.BlockingConnection(    pika.ConnectionParameters('localhost',5672)  # 默认端口5672，可不写    )# 声明一个管道，在管道里发消息channel = connection.channel()# 在管道里声明queuechannel.queue_declare(queue='hello')# RabbitMQ a message can never be sent directly to the queue, it always needs to go through an exchange.channel.basic_publish(exchange='',                      routing_key='hello',  # queue名字                      body='Hello World!')  # 消息内容print(" [x] Sent 'Hello World!'")connection.close()  # 队列关闭

send端 produce

import pikaimport time# 建立实例connection = pika.BlockingConnection(pika.ConnectionParameters(               'localhost'))# 声明管道channel = connection.channel()# 为什么又声明了一个‘hello’队列？# 如果确定已经声明了，可以不声明。但是你不知道那个机器先运行，所以要声明两次。channel.queue_declare(queue='hello')def callback(ch, method, properties, body):  # 四个参数为标准格式    print(ch, method, properties)  # 打印看一下是什么    # 管道内存对象  内容相关信息  后面讲    print(" [x] Received %r" % body)    time.sleep(15)    ch.basic_ack(delivery_tag = method.delivery_tag)  # 告诉生成者，消息处理完成channel.basic_consume(  # 消费消息        callback,  # 如果收到消息，就调用callback函数来处理消息        queue='hello',  # 你要从那个队列里收消息        # no_ack=True  # 写的话，如果接收消息，机器宕机消息就丢了        # 一般不写。宕机则生产者检测到发给其他消费者        )print(' [*] Waiting for messages. To exit press CTRL+C')channel.start_consuming()  # 开始消费消息

receive端 consumer

消息确认机制

这里就会有一个问题，如果consumer在执行任务时需要花费一些时间，这个时候如果突然挂了，消息还没有被完成，消息岂不是丢失了，为了不让消息丢失，rabbitmq提供了消息确认机制，consumer在接收到，执行完消息后会发送一个ack给rabbitmq告诉它可以从queue中移除消息了。如果没收到ack。Rabbitmq会重新发送此条消息，如果有其他的consumer在线，将会接收并消费这条消息。消息确认机制是默认打开的(需要在callback函数中写入如下代码)。如果想关闭它只需要设置no_ack=true，在此处我们不需要设置。

ch.basic_ack(delivery_tag=method.delivery_tag)  #手动确认消息处理完成

列表持久化

1.除了consumer之外我们还得确保rabbitMQ挂了之后消息不被丢失。这里我们就需要确保队列queue和消息messages都得是持久化的。

2.队列的持久话需要设置durable属性。

channel.queue_declare(queue='hello', durable=True)

消息持久化

消息的持久话则是通过delivery_mode属性，设置值为2即可。

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

消息公平分发

如果Rabbit只管按顺序把消息发到各个消费者身上，不考虑消费者负载的话，很可能出现，一个机器配置不高的消费者那里堆积了很多消息处理不完，同时配置高的消费者却一直很轻松。为解决此问题，可以在各个消费者端，配置perfetch=1,意思就是告诉RabbitMQ在我这个消费者当前消息还没处理完的时候就不要再给我发新消息了。

import pikaconnection = pika.BlockingConnection(pika.ConnectionParameters(    'localhost'))channel = connection.channel() #声明一个管道# 声明queue  durable 列表持久化channel.queue_declare(queue='hello',durable=True)# n RabbitMQ a message can never be sent directly to the queue, it always needs to go through an exchange.channel.basic_publish(exchange='',                      routing_key='hello',#queue名字                      body='Hello World!',                      properties=pika.BasicProperties(                          delivery_mode=2,   #消息持久化                      ))print(" [x] Sent 'Hello World!'")connection.close()

produce 公平分发+持久化

import pika,timeconnection = pika.BlockingConnection(pika.ConnectionParameters(    'localhost'))channel = connection.channel()channel.queue_declare(queue='hello',durable=True)def callback(ch, method, properties, body):    print(ch)    # time.sleep(30)    print(" [x] Received %r" % body)    ch.basic_ack(delivery_tag=method.delivery_tag)  #手动确认消息处理完成，未处理完成时断开，下个消费者继续处理该消息channel.basic_qos(prefetch_count=1) #消息公平分发  在当前消息未处理完时 不再分配消息channel.basic_consume(#消费消息                    callback,   #如果收到消息就调用callback函数来处理消息                    queue='hello',                    # no_ack=True    #no acknowledgement 不确认消息是否处理完成                    )print(' [*] Waiting for messages. To exit press CTRL+C')channel.start_consuming()

consumer 公平分发+持久化

Publish\Subscribe(消息发布\订阅)

广播模式

在前面2个示例我们都适用默认的exchange。这里我们将自己定义一个exchange。并设置type为fanout。它可以将消息广播给绑定的每一个queue。而不再是某一个queue。

fanout: 所有bind到此exchange的queue都可以接收消息订阅发布；fanout 广播消息只能发给以存活的消费端，实时发送，并不能存储数据。

import pikaconnection = pika.BlockingConnection(pika.ConnectionParameters(    host='localhost'))channel = connection.channel()channel.exchange_declare(exchange='logs',                         exchange_type='fanout')message = "info: Hello World!"channel.basic_publish(exchange='logs',                      routing_key='',                      body=message)print(" [x] Sent %r" % message)connection.close()

produce

import pikaconnection = pika.BlockingConnection(pika.ConnectionParameters(    host='localhost'))channel = connection.channel()channel.exchange_declare(exchange='logs',                         exchange_type='fanout')result = channel.queue_declare(exclusive=True)  # exclusive排他，唯一的                                                # 不指定queue名字,rabbit会随机分配一个名字,                                                #exclusive=True会在使用此queue的消费者断开后,自动将queue删除queue_name = result.method.queuechannel.queue_bind(exchange='logs',                   queue=queue_name)print(' [*] Waiting for logs. To exit press CTRL+C')def callback(ch, method, properties, body):    print(" [x] %r" % body)channel.basic_consume(callback,                      queue=queue_name,                      no_ack=True                      )channel.start_consuming()

consumer

direct模式

RabbitMQ还支持根据关键字发送，即：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。

direct: 通过routingKey和exchange决定的那个唯一的queue可以接收消息 direct广播可指定级别接收端进行广播。

import pikaimport sysconnection = pika.BlockingConnection(pika.ConnectionParameters(    host='localhost'))channel = connection.channel()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',                      routing_key=severity,                      body=message)print(" [x] Sent %r:%r" % (severity, message))connection.close()

produce

import pikaimport sysconnection = pika.BlockingConnection(pika.ConnectionParameters(    host='localhost'))channel = connection.channel()channel.exchange_declare(exchange='direct_logs',                         exchange_type='direct')result = channel.queue_declare(exclusive=True)queue_name = result.method.queueseverities = 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:    channel.queue_bind(exchange='direct_logs',                       queue=queue_name,                       routing_key=severity)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(callback,                      queue=queue_name,                      no_ack=True)channel.start_consuming()

consumer

Topic模式

这种模型是最灵活的，相比较于direct的完全匹配和fanout的广播。Topic可以用类似正则的手法更好的匹配来满足我们的应用。

下面我们首先了解一下topic类型的exchange。topic类型的routing_key不可以是随意的单词，它必须是一系列的单词组合，中间以点号隔开，譬如“quick.orange.rabbit”这个样子。发送消息的routing_key必须匹配上绑定到队列的routing_key。消息才会被发送。此外还有个重要的地方要说明，在如下代码处绑定的routing_key种可以有*和#2种字符。它们代表的意义如下：

*(星号) ：可以匹配任意一个单词

#(井号) ：可以匹配0到多个单词

import pikaimport sysconnection = pika.BlockingConnection(pika.ConnectionParameters(    host='localhost'))channel = connection.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))connection.close()

produce

import pikaimport sysconnection = pika.BlockingConnection(pika.ConnectionParameters(    host='localhost'))channel = connection.channel()channel.exchange_declare(exchange='topic_logs',                         exchange_type='topic')result = channel.queue_declare(exclusive=True)queue_name = result.method.queuebinding_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(callback,                      queue=queue_name,                      no_ack=True)channel.start_consuming()

consumer

RPC模式

当我们需要在远程服务器上执行一个方法并等待它的结果的时候，我们将这种模式称为RPC。在rabbit MQ中为了能让client收到server端的response message。需要定义一个callback queue，不过现在有一个问题，就是每次请求都会创建一个callback queue .这样的效率是极其低下的。幸运的是我们可以通过correlation_id为每一个client创建一个单独的callback queue。通过指定correlation_id我们可以知道callback queue中的消息属于哪个client。要做到这样只需client每次发送请求时带上这唯一的correlation_id。然后当我们从callback queue中收到消息时，我们能基于 correlation_id 匹配上我们的消息。匹配不上的消息将被丢弃，看上去就像下图这样：

总结一下流程如下：

1. client发起请求，请求中带有2个参数reply_to和correlation_id
2. 请求发往rpc_queue
3. server获取到rpc_queue中的消息，处理完毕后，将结果发往reply_to指定的callback queue
4. client 获取到callback queue中的消息，匹配correlation_id,如果匹配就获取，不匹配就丢弃.

import pikaimport timeconnection = pika.BlockingConnection(pika.ConnectionParameters(        host='localhost'))  channel = connection.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(on_request, queue='rpc_queue')  print(" [x] Awaiting RPC requests")channel.start_consuming()

produce

import pikaimport uuid  class FibonacciRpcClient(object):    def __init__(self):        self.connection = pika.BlockingConnection(pika.ConnectionParameters(                host='localhost'))          self.channel = self.connection.channel()          result = self.channel.queue_declare(exclusive=True)        self.callback_queue = result.method.queue          self.channel.basic_consume(self.on_response, no_ack=True,                                   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.connection.process_data_events()        return int(self.response)  fibonacci_rpc = FibonacciRpcClient()  print(" [x] Requesting fib(30)")response = fibonacci_rpc.call(30)print(" [.] Got %r" % response)

consumer

转载于:https://www.cnblogs.com/kxsph/p/9309926.html

你可能感兴趣的文章