Python操作rabbitMQ的示例代码

2019-11-25 13:08:15

字体：大中小

来源：转载

供稿：网友

引入

RabbitMQ 是一个由 Erlang 语言开发的 AMQP 的开源实现。

rabbitMQ是一款基于AMQP协议的消息中间件，它能够在应用之间提供可靠的消息传输。在易用性，扩展性，高可用性上表现优秀。使用消息中间件利于应用之间的解耦，生产者（客户端）无需知道消费者（服务端）的存在。而且两端可以使用不同的语言编写，大大提供了灵活性。

中文文档

安装

# 安装配置epel源  rpm -ivh http://dl.fedoraproject.org/pub/epel/6/i386/epel-release-6-8.noarch.rpm # 安装erlang  yum -y install erlang # 安装RabbitMQ  yum -y install rabbitmq-server# 启动/停止  service rabbitmq-server start/stop

rabbitMQ工作模型

简单模式

生产者

import pikaconnection = pika.BlockingConnection(pika.ConnectionParameters( host='localhost'))channel = connection.channel()channel.queue_declare(queue='hello')channel.basic_publish(exchange='',           routing_key='hello',           body='Hello World!')print(" [x] Sent 'Hello World!'")connection.close()

消费者

connection = pika.BlockingConnection(pika.ConnectionParameters(host='localhost'))channel = connection.channel() channel.queue_declare(queue='hello') def callback(ch, method, properties, body):  print(" [x] Received %r" % body) channel.basic_consume( callback,            queue='hello',            no_ack=True) print(' [*] Waiting for messages. To exit press CTRL+C')channel.start_consuming()

相关参数

1，no-ack ＝ False

如果消费者遇到情况(its channel is closed, connection is closed, or TCP connection is lost)挂掉了，那么，RabbitMQ会重新将该任务添加到队列中。

回调函数中的 ch.basic_ack(delivery_tag=method.delivery_tag)
basic_comsume中的no_ack=False

接收消息端应该这么写：

import pikaconnection = pika.BlockingConnection(pika.ConnectionParameters(    host='10.211.55.4'))channel = connection.channel()channel.queue_declare(queue='hello')def callback(ch, method, properties, body):  print(" [x] Received %r" % body)  import time  time.sleep(10)  print 'ok'  ch.basic_ack(delivery_tag = method.delivery_tag)channel.basic_consume(callback,           queue='hello',           no_ack=False)print(' [*] Waiting for messages. To exit press CTRL+C')channel.start_consuming()

2，durable ：消息不丢失

生产者

import pikaconnection = pika.BlockingConnection(pika.ConnectionParameters(host='10.211.55.4'))channel = connection.channel()# make message persistentchannel.queue_declare(queue='hello', durable=True)channel.basic_publish(exchange='',           routing_key='hello',           body='Hello World!',           properties=pika.BasicProperties(             delivery_mode=2, # make message persistent           ))print(" [x] Sent 'Hello World!'")connection.close()

3，消息获取顺序

默认消息队列里的数据是按照顺序被消费者拿走，例如：消费者1 去队列中获取奇数序列的任务，消费者1去队列中获取偶数序列的任务。

channel.basic_qos(prefetch_count=1) 表示谁来谁取，不再按照奇偶数排列

import pikaconnection = pika.BlockingConnection(pika.ConnectionParameters(host='10.211.55.4'))channel = connection.channel()# make message persistentchannel.queue_declare(queue='hello')def callback(ch, method, properties, body):  print(" [x] Received %r" % body)  import time  time.sleep(10)  print 'ok'  ch.basic_ack(delivery_tag = method.delivery_tag)channel.basic_qos(prefetch_count=1)channel.basic_consume(callback,           queue='hello',           no_ack=False)print(' [*] Waiting for messages. To exit press CTRL+C')channel.start_consuming()

exchange模型

1，发布订阅

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。

exchange type = fanout

生产者

import pikaimport sysconnection = pika.BlockingConnection(pika.ConnectionParameters(    host='localhost'))channel = connection.channel()channel.exchange_declare(exchange='logs',             type='fanout')message = ' '.join(sys.argv[1:]) or "info: Hello World!"channel.basic_publish(exchange='logs',           routing_key='',           body=message)print(" [x] Sent %r" % message)connection.close()

消费者

import pikaconnection = pika.BlockingConnection(pika.ConnectionParameters(    host='localhost'))channel = connection.channel()channel.exchange_declare(exchange='logs',             type='fanout')result = channel.queue_declare(exclusive=True)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()

2，关键字发送

之前事例，发送消息时明确指定某个队列并向其中发送消息，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。

exchange type = direct

import pikaimport sysconnection = pika.BlockingConnection(pika.ConnectionParameters(    host='localhost'))channel = connection.channel()channel.exchange_declare(exchange='direct_logs',             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()

3，模糊匹配

exchange type = topic

发送者路由值队列中
old.boy.python old.* -- 不匹配
old.boy.python old.# -- 匹配

在topic类型下，可以让队列绑定几个模糊的关键字，之后发送者将数据发送到exchange，exchange将传入”路由值“和 ”关键字“进行匹配，匹配成功，则将数据发送到指定队列。

# 表示可以匹配 0 个或多个单词
* 表示只能匹配一个单词

import pikaimport sysconnection = pika.BlockingConnection(pika.ConnectionParameters(    host='localhost'))channel = connection.channel()channel.exchange_declare(exchange='topic_logs',             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()

基于rabbitMQ的RPC

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 。

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

服务者

import pika# 建立连接，服务器地址为localhost，可指定ip地址connection = pika.BlockingConnection(pika.ConnectionParameters(    host='localhost'))# 建立会话channel = connection.channel()# 声明RPC请求队列channel.queue_declare(queue='rpc_queue')# 数据处理方法def fib(n):  if n == 0:    return 0  elif n == 1:    return 1  else:    return fib(n-1) + fib(n-2)# 对RPC请求队列中的请求进行处理def on_request(ch, method, props, body):  n = int(body)  print(" [.] fib(%s)" % n)  # 调用数据处理方法  response = fib(n)  # 将处理结果(响应)发送到回调队列  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)# 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(on_request, queue='rpc_queue')print(" [x] Awaiting RPC requests")channel.start_consuming()

客户端

import pikaimport uuidclass FibonacciRpcClient(object):  def __init__(self):    """    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'))            # 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    result = self.channel.queue_declare(exclusive=True)    # 将次队列指定为当前客户端的回调队列    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;     self.channel.basic_consume(self.on_response, no_ack=True,                  queue=self.callback_queue)  # 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  def call(self, n):      # 初始化 response    self.response = None        #生成correlation_id     self.corr_id = str(uuid.uuid4())        # 发送RPC请求内容到RPC请求队列`rpc_queue`，同时发送的还有`reply_to`和`correlation_id`    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)# 建立客户端fibonacci_rpc = FibonacciRpcClient()# 发送RPC请求print(" [x] Requesting fib(30)")response = fibonacci_rpc.call(30)print(" [.] Got %r" % response)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持武林网。

上一篇：python学生管理系统学习笔记

下一篇：Python Matplotlib实现三维数据的散点图绘制