RabbitMQ | 一
注意: 安装python2 下的 pika 版本 要低于1.0 (0.9.5--> 不行,
会报log不存在问题,需要使用0.12)
sudo rabbitmqctl list_queues #列出所有RabbitMQ队列
sudo service rabbitmq-server restart #重启rabbitmq服务
send.py的完整代码
#!/usr/bin/env python
import pika
#跟本地机器的代理建立了连接。如果你想连接到其他机器的代理上,
#需要把代表本地的localhost改为指定的名字或IP地址。
connection =
pika.BlockingConnection(pika.ConnectionParameters(host='localhost'))
channel = connection.channel()
channel.queue_declare(queue='hello') #创建一个名为"hello"的队列用来将消息投递进去
channel.basic_publish(exchange='', #匿名的交换机
routing_key='hello', #队列名字
body='Hello World!')
print(" [x] Sent 'Hello World!'")
#在退出程序之前,我们需要确认网络缓冲已经被刷写、消息已经投递到RabbitMQ。
#通过安全关闭连接可以做到这一点。
connection.close()
receive.py的完整代码
#!/usr/bin/env python
import pika
connection =
pika.BlockingConnection(pika.ConnectionParameters(host='localhost'))
channel = connection.channel()
channel.queue_declare(queue='hello')
#从队列中获取消息相对来说稍显复杂。需要为队列定义一个回调(callback)函数。
#当我们获取到消息的时候,Pika库就会调用此回调函数。
#这个回调函数会将接收到的消息内容输出到屏幕上。
def callback(ch, method, properties, body):
print(" [x] Received %r" % body)
#告诉RabbitMQ这个回调函数将会从名为"hello"的队列中接收消息
channel.basic_consume(callback,
queue='hello',
# 关闭消息响应,收到相应后不删除队列中的数据
no_ack=True)
print(' [*] Waiting for messages. To exit press CTRL+C')
#运行一个用来等待消息数据并且在需要的时候运行回调函数的无限循环
channel.start_consuming()
RabbitMQ | 二
new_task.py的完整代码(发送者)
#!/usr/bin/env python
import pika
import sys
connection = pika.BlockingConnection(pika.ConnectionParameters(
host='localhost'))
channel = connection.channel()
#切换另一个新的队列,为了不让队列消失,需要把队列声明为持久化(durable)
#就可以确保在RabbitMq重启之后queue_declare队列不会丢失。
。
channel.queue_declare(queue='task_queue', durable=True)
message = ' '.join(sys.argv[1:]) or "Hello World!"
channel.basic_publish(exchange='',
routing_key='task_queue',
body=message,
#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
properties=pika.BasicProperties(
delivery_mode = 2, # make message persistent
))
print " [x] Sent %r" % (message,)
connection.close()
work.py的完整代码
#!/usr/bin/env python
import pika
import time
connection = pika.BlockingConnection(pika.ConnectionParameters(
host='localhost'))
channel = connection.channel()
channel.queue_declare(queue='task_queue', durable=True)
print ' [*] Waiting for messages. To exit press CTRL+C'
def callback(ch, method, properties, body):
print " [x] Received %r" % (body,)
time.sleep( body.count('.') )
print " [x] Done"
#当工作者(worker)完成了任务,就发送一个响应,rabbitmq 收到相应后会删除队列数据
ch.basic_ack(delivery_tag = method.delivery_tag)
#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)
channel.basic_consume(callback,
queue='task_queue')
channel.start_consuming()
效果:同时开启两个work,一个正在接受当前数据,另一个也可以开始接受下一条数据
RabbitMQ | 三 (发布,订阅)
列出rabbitmqctl服务器上所有的交换器:
$ sudo rabbitmqctl list_exchanges
Listing exchanges ...
logs fanout
amq.direct direct
amq.topic topic
amq.fanout fanout
amq.headers headers
...done.
emit_log.py(发布)
#!/usr/bin/env python
import pika
import sys
connection = pika.BlockingConnection(pika.ConnectionParameters(
host='localhost'))
channel = connection.channel()
#先创建一个fanout类型的交换机,命名为logs
channel.exchange_declare(exchange='logs',
exchange_type='fanout')
message = ' '.join(sys.argv[1:]) or "info: Hello World!"
channel.basic_publish(exchange='logs', #使用创建的交换机
routing_key='', #使用临时队列
body=message)
print " [x] Sent %r" % (message,)
connection.close()
receive_logs.py(订阅)
#!/usr/bin/env python
import pika
connection = pika.BlockingConnection(pika.ConnectionParameters(
host='localhost'))
channel = connection.channel()
channel.exchange_declare(exchange='logs',
exchange_type='fanout')
#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(exclusive=True)
#获取默认的临时队列名字 eg:amq.gen-U0srCoW8TsaXjNh73pnVAw==
queue_name = result.method.queue
#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)
#使用rabbitmqctl list_bindings 列出所有现存的绑定
channel.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()
RabbitMQ | 四 (路由)
emit_log_direct.py(发)
#!/usr/bin/env python
import pika
import sys
connection = pika.BlockingConnection(pika.ConnectionParameters(
host='localhost'))
channel = connection.channel()
'''
直连交换机(
1. 指定交换机类型:fanout,direct,topic
2. 指定接受的路由
)
'''
channel.exchange_declare(exchange='direct_logs',
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()
receive_logs_direct.py(收)
#!/usr/bin/env python
import pika
import sys
connection = 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.queue
severities = sys.argv[1:]
if not severities:
print >> sys.stderr, "Usage: %s [info] [warning] [error]" % \
(sys.argv[0],)
sys.exit(1)
# 对于每一个可接受的路由都进行绑定
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()
使用
#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
#如果你希望所有的日志信息都输出到屏幕中,打开一个新的终端,然后输入:
$ python receive_logs_direct.py info warning error
[*] Waiting for logs. To exit press CTRL+C
#如果要触发一个error级别的日志,只需要输入:
$ python emit_log_direct.py error "Run. Run. Or it will explode."
[x] Sent 'error':'Run. Run. Or it will explode.'
RabbitMQ | 五 (主题交换机)
- * (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。
eg : 我们创建了三个绑定:Q1的绑定键为 *.orange.*,Q2的绑定键为 *.*.rabbit 和 lazy.# 。
这三个绑定键被可以总结为:
Q1 对所有的桔黄色动物都感兴趣。
Q2 则是对所有的兔子和所有懒惰的动物感兴趣。
- 注意:(一般他们会匹配自己的路由进行接受,不是自己的会丢弃,but,“lazy.orange.male.rabbit” 有四个单词,他还是会匹配最后一个绑定,并且被投递到第二个队列中)
- 另外,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。
emit_log_topic.py(send)
#!/usr/bin/env python
import pika
import sys
connection = pika.BlockingConnection(pika.ConnectionParameters(
host='localhost'))
channel = connection.channel()
channel.exchange_declare(exchange='topic_logs',
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()
receive_logs_topic.py(receive)
#!/usr/bin/env python
import pika
import sys
connection = 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.queue
binding_keys = sys.argv[1:]
if not binding_keys:
print >> sys.stderr, "Usage: %s [binding_key]..." % (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()
使用
#执行下边命令 接收所有日志:
python receive_logs_topic.py "#"
#执行下边命令 接收来自”kern“设备的日志:
python receive_logs_topic.py "kern.*"
#执行下边命令 只接收严重程度为”critical“的日志:
python receive_logs_topic.py "*.critical"
#执行下边命令 建立多个绑定:
python receive_logs_topic.py "kern.*" "*.critical"
#执行下边命令 发送路由键为 "kern.critical" 的日志:
python emit_log_topic.py "kern.critical" "A critical kernel error"
RabbitMQ | 六 远程过程调用(RPC)
-
RPC注意事项:
确保能够明确的搞清楚哪个函数是本地调用的,哪个函数是远程调用的。给你的系统编写文档。
保持各个组件间的依赖明确。处理错误案例。明了客户端改如何处理RPC服务器的宕机和长时间无响应情况。
当对避免使用RPC有疑问的时候。如果可以的话,你应该尽量使用异步管道来代替RPC类的阻塞。
结果被异步地推送到下一个计算场景。 -
回调队列
#为了接收到回复信息,客户端需要在发送请求的时候同时发送一个回调队列(callback queue)的地址。
result = channel.queue_declare(exclusive=True)
callback_queue = result.method.queue
channel.basic_publish(exchange='',
routing_key='rpc_queue',
properties=pika.BasicProperties(
# 回调队列
reply_to = callback_queue,
),
body=request)
-
消息属性
- delivery_mode(投递模式):将消息标记为持久的(值为2—>把我们的消息也要设为持久化)或暂存的(除了2之外的其他任何值)。
- content_type(内容类型):用来描述编码的mime-type。例如在实际使用中常常使用application/json来描述JOSN编码类型。
- reply_to(回复目标):通常用来命名回调队列。
- correlation_id(关联标识):用来将RPC的响应和请求关联起来。
-
RPC 工作流程:
- 当客户端启动的时候,它创建一个匿名独享的回调队列。
- 在RPC请求中,客户端发送带有两个属性的消息:一个是设置回调队列的 reply_to 属性,另一个是设置唯一值的 correlation_id 属性。
- 将请求发送到一个 rpc_queue 队列中。
- RPC工作者(又名:服务器)等待请求发送到这个队列中来。当请求出现的时候,它执行他的工作并且将带有执行结果的消息发送给reply_to字段指定的队列。
- 客户端等待回调队列里的数据。当有消息出现的时候,它会检查correlation_id属性。如果此属性的值与请求匹配,将它返回给应用。
rpc_server.py(RPC服务端)
#!/usr/bin/env python
import pika
connection = 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()
服务器端代码相当简单:
- (4)像往常一样,我们建立连接,声明队列
- (11)我们声明我们的fibonacci函数,它假设只有合法的正整数当作输入。(别指望这个函数能处理很大的数值,函数递归你们都懂得…)
- (19)我们为 basic_consume 声明了一个回调函数,这是RPC服务器端的核心。它执行实际的操作并且作出响应。
- (32)或许我们希望能在服务器上多开几个线程。为了能将负载平均地分摊到多个服务器,我们需要将 prefetch_count 设置好。
rpc_client.py(客户端)
#!/usr/bin/env python
import pika
import 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:
#是一个等待消息的阻塞过程,连接的任何消息都可以使它脱离阻塞状态
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,)
客户端代码稍微有点难懂:
- (7)建立连接、通道并且为回复(replies)声明独享的回调队列。
- (16)我们订阅这个回调队列,以便接收RPC的响应。
- (18)“on_response”回调函数对每一个响应执行一个非常简单的操作,检查每一个响应消息的correlation_id属性是否与我们期待的一致,如果一致,将响应结果赋给self.response,然后跳出consuming循环。
- (23)接下来,我们定义我们的主要方法 call 方法。它执行真正的RPC请求。
- (24)在这个方法中,首先我们生成一个唯一的 correlation_id 值并且保存起来,'on_response’回调函数会用它来获取符合要求的响应。
- (25)接下来,我们将带有 reply_to 和 correlation_id 属性的消息发布出去。
- (32)现在我们可以坐下来,等待正确的响应到来。
- (33)最后,我们将响应返回给用户。
使用
#启动服务器端:
$ python rpc_server.py
[x] Awaiting RPC requests
#运行客户端,请求一个fibonacci队列。
$ python rpc_client.py
[x] Requesting fib(30)