安装参考    详细介绍   学习参考

RabbitMQ 消息队列

　　RabbitMQ是一个在AMQP基础上完整的，可复用的企业消息系统。他遵循Mozilla Public License开源协议。

　　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。应用程序通过读写出入队列的消息（针对应用程序的数据）来通信，而无需专用连接来链接它们。消息传递指的是程序之间通过在消息中发送数据进行通信，而不是通过直接调用彼此来通信，直接调用通常是用于诸如远程过程调用的技术。排队指的是应用程序通过队列来通信。队列的使用除去了接收和发送应用程序同时执行的要求。

通俗的讲，就是生产者消费者模型。

　　实现生产者消费者模型的核心就是队列！通过队列去连接完成操作！

　　这个模型解决了耦合性，让生产者和消费者之间没有直接的联系，而是通过队列建立桥梁。这其中最重要的就是队列。

一、队列的使用：

1、基于Queue实现生产者消费者模型，python的队列 queue。

q=queue.Queue()

q.put()

q.qsize() #队列内消息个数

q.get()

先进先出

#!/usr/bin/env python

# -*- coding:utf-8 -*-

import Queue

import threading

message = Queue.Queue(10)

def producer(i):

while True:

message.put(i)

def consumer(i):

while True:

msg = message.get()

for i in range(12):

t = threading.Thread(target=producer, args=(i,))

t.start()

for i in range(10):

t = threading.Thread(target=consumer, args=(i,))

t.start()

如上：python拥有自己的队列模式，但是有一点不得不注意，他的队列只能在同一进程内多线程间起作用，不能跨进程操作！

2、队列的作用：
　　存储消息、数据
　　保证消息的顺序
　　保证数据的交付

3、消息队列解决了两个问题：
　　解耦 天然的解耦，程序间调用不再使用接口，而是调用消息队列的接口把执行结果放到队列中，实现解耦。【实际开发过程中，一定要想尽办法降低程序间的耦合】
　　异步： 异步操作，程序不再等待执行结果，而是提供接收接口
　　　　优点：解决排队问题
　　　　缺点：不能保证任务及时执行
　　　　应用场景：去哪儿购买飞机票，
　　同步：
　　　　优点：保证任务及时执行
　　　　缺点：排队问题

4、有关大并发的事宜：

　　web网站：
　　之前部署：apache 1000 - 2000 一台机器同一时刻只能承载这么多请求！
　　常用部署：nginx 10000 - 20000
　　什么算大并发？有三个指标：
　　pv = page visit 页面访问量 【一天访问量上亿才算大网站】【具有分散性，高峰时间段访问明显】
　　一般，一亿的pv用10台server web cluster 集群，pv分散到实际的用户上并不多，推算到秒级别访问量　　
　　uv = user visit 用户访问量【相对页面访问量很小】
　　qps = 每秒钟的访问流量 or 用户量

　　对同一个请求的访问，多个机器每个都负责一点，这就叫分布式运算。

5、引入rabbitmq的原因：

　　异步操作，应对大并发。
　　解决Python队列不能跨进程执行的弊端。
　　对于RabbitMQ来说，生产和消费不再针对内存里的一个Queue对象，而是某台服务器上的RabbitMQ Server实现的消息队列。

　　它作为一个独立的组件，可以同时存在多个队列【可以为任何程序提供队列】，每个队列对应不同的应用程序，队列之间平行存在，相互独立，不能混用！

　　与Python Queue队列相比，消息不会直接放到rabbitmq队列中，而是会先通过一次消息过滤，看他所属哪个程序，然后放到对应的队列中。

　　在不存在外力的影响下，RabbitMQ 队列中的消息，如果不消费就永远存在！只有消费之后会消失。
　　RabbitMQ 是一个公共的组件，能为多语言间提供队列【例如：生产者是Java，消费者是Python】。

6、生产者消费者通过RabbitMQ队列建立通信的步骤：

　　生产者：
　　　　端口 ip 认证信息
　　　　创建队列
　　　　向队列发送消息
　　消费者：
　　　　端口 ip 认证信息
　　　　从指定的队列中取消息

7、RabbitMQ 配置 (Python连接队列)
　　1.7.1、客户端若想调用RabbitMQ，需要安装对应的API。在python中安装pika,通过pika连接rabbitmq

　　　　pip install pika

注意：若想使用、远程连接rabbitmq server的话，就需要在RabbitMQ队列这个组件内配置权限信息

8、rabbitmq 创建用户和设置权限

　　1）首先在rabbitmq server上创建一个用户：rabbitmqctl add_user aaa 密码
　　2）配置权限，授权允许从外面访问所有队列：rabbitmqctl set_permissions -p / aaa "." "." ".*" #授权所有！

set_permissions [-p vhost] {user} {conf} {write} {read}

vhost

The name of the virtual host to which to grant the user access, defaulting to /. ，默认是 /

user

The name of the user to grant access to the specified virtual host.

conf

A regular expression matching resource names for which the user is granted configure permissions.

write

A regular expression matching resource names for which the user is granted write permissions.

read

A regular expression matching resource names for which the user is granted read permissions.

关于创建用户

9、连接队列时，需要建立通信，配置认证信息(生产者和消费者都必须与队列建立联系)

credentials = pika.PlainCredentials('aaa', '密码') #配置认证信息
#建立链接

connection = pika.BlockingConnection(pika.ConnectionParameters('10.211.55.5',5672,'/',credentials))

channel = connection.channel() #队列连接通道

 10、生成者与消费者之间收发消息通信

生产者：

发送消息语法：

	#先声明queue(没有就创建，有就使用)

	channel.queue_declare(queue='task123',durable=True)

	#建立通信

	channel.basic_publish(exchange='',	#给负责消息过滤的方法传递参数

                      routing_key='task123', #路由

                      body='Hello World2!',消息内容

					)

	routing_key = 'task123'  #路由 把消息队列先传给Exchange 然后再转到task123队列上

消费者：

获取消息语法：

def callback(ch,mothod,properties,body) #获取消息执行的函数

	参数解释：

		ch：指队列通道

		method:请求方法

		properties: 消息参数

		body:消息内容

channel.basic_consume(

	callback,    #取到消息之后,调用函数 callback

	queue="xxxxx",	#队列名称

	no_ack=True,

)

#开始消费

channel.start_consuming() # 阻塞模式

　　注意： 一般申明队列只需要在生产者端申明，但消费者端也可以申明。是防止如果生产者没有启动，消费者先启动后没有队列会报错的问题。此时服务端如果有相同代码，会检查如果有相同队列就不创建。消费者再次申明队列，目的是：消费者要清楚去哪里取数据！

二、RabbitMQ框架图：

三、示例(默认RabbitMQ队列已启动)

1、实现简单队列建立通信

import pika

credentials = pika.PlainCredentials('aaa', '')  # 配置认证的用户 密码

parameters = pika.ConnectionParameters(host="192.168.152.132", credentials=credentials)

connection = pika.BlockingConnection(parameters)  # 建立一个链接对象

channel = connection.channel()  # 队列连接通道

channel.queue_declare(queue='hello')  # 声明队列queue 用rabbitmqctl list_queuse 查看

channel.basic_publish(exchange='', routing_key='hello', body='server hello world')  # routing_key 路由代表要发送的队列 body是发送的内容

print('server send "hello world"')

connection.close()  # 关闭连接 类似socket

生产者

#消费者是一种阻塞模式，会一致取数据

import pika

credentials = pika.PlainCredentials('aaa', '')  # 配置认证的用户 密码

parameters = pika.ConnectionParameters(host="192.168.152.132", credentials=credentials)

connection = pika.BlockingConnection(parameters)  # 建立一个链接对象

channel = connection.channel()  # 队列连接通道

channel.queue_declare(queue='hello')  # 声明queue 用rabbitmqctl list_queuse 查看

def callback(ch, method, properties, body):

    print("Recived %r" % ch, method, properties, body)

channel.basic_consume(callback,  # 取到消息后，执行callback函数

                      queue='hello', # 从hello队列获取数据

                      no_ack=True

                      )

print("waiting for message")

channel.start_consuming()  # 进入阻塞模式

消费者

2、消息持久化

　　如何保证队列中的消息被完全处理完毕？我们正常的思维应该是：没有处理完，应该返回队列。但是在上面的代码中，如果消费者客户端挂了或者在处理的过程中停止了，不仅消息没有处理完毕，同时队列中也没有了。

　　2.1、模拟客户端中断 观察服务端队列的数据会不会返回(答案：不会)

#- 开启一个生产者,两个消费者

#- 服务端向队列中存放一个值,一客户端从队列中取到数据,在睡10秒期间中断,表示出错,它不会报告给服务端

#- 这时队列中为零,另一客户端也不会取到值

测试代码如下：

#生产者

import pika

credentials = pika.PlainCredentials("aaa","") #授权的账号 密码

connection = pika.BlockingConnection(

pika.ConnectionParameters('192.168.152.132',credentials=credentials)) #建立socket

channel = connection.channel() #创建rabbitmq协议通道

channel.queue_declare(queue='hello') #通过通道生成一个队列

channel.basic_publish(exchange='',

routing_key='hello', #队列

body='Hello World!') #内容

print(" [x] Sent 'Hello World!'")

connection.close()

生产者

#消费者：

import pika

import time

credentials = pika.PlainCredentials("aaa","") #授权的账号 密码

connection = pika.BlockingConnection(

pika.ConnectionParameters('192.168.152.132',credentials=credentials)) #建立socket

channel = connection.channel()

channel.queue_declare(queue='hello')

def callback(ch, method, properties, body):

　　print("received msg...start process",body)

　　time.sleep(10)

　　print("end process...")

channel.basic_consume(callback,

　　　　　　　　　　　queue='hello',

　　　　　　　　　　　no_ack=True)

print(' Waiting for messages. To exit press CTRL+C')

channel.start_consuming()

消费者：

#解决办法：

　　#0、发送消息时，在函数中添加以下参数，保证消息持久化

　　　　properties=pika.BasicProperties(

　　　　　　delivery_mode=2, # make message persistent),# 数字代表状态：2保持消息持久化；1处理中；0处理完毕；

　　#1、消费确认的问题！

　　　    #在消费者端，从队列中获取信息函数中有一个参数：no_ack = True 的意思是消息处理后，向rabbit-server确认消息已消费完毕。

    删除这个参数，不再确认信息已消费，rabbit-server的消息队列中会一致存在数据

　　#2、解决消费后数据还存在问题！

　　　　#	解决rabbit-server中消息被消费后数据还存在的情况，在消费者处理消息的函数中，使用ch.basic_ack(delivery_tag=method.delivery_tag)与生产者手动确认，消息处理完毕！

　　#通过这两个参数，同时保证了消费者能够消费完数据不挂，同时消费完后rabbit-server收到消费完的消息把被消费的数据删除	

#1. 生产者端发消息时，加参数 消息持久化

　　properties=pika.BasicProperties(

　　　　delivery_mode=2, # make message persistent),

#2. 消费者端，消息处理完毕时，发送确认包

　　ch.basic_ack(delivery_tag=method.delivery_tag)

　　channel.basic_consume(callback, #取到消息后，调用callback 函数

　　　　　　　　　　queue='task1',)

　　　　　　　　　　#no_ack=True) #消息处理后，不向rabbit-server确认消息已消费完毕

　　2.2、模拟测试 观察服务端队列的数据会不会返回(答案：会)

#- 开启一个服务端,两个客户端

#- 服务端向队列中存放一个值,一客户端从队列中取到数据,在睡20秒期间中断,表示出错,它会报给服务端,服务端队列还有值

#- 这时启动另一客户端还可以取到值	
#生产者

import pika

credentials = pika.PlainCredentials('aaa', '')

parameters = pika.ConnectionParameters(host='192.168.152.132',credentials=credentials)

connection = pika.BlockingConnection(parameters)

channel = connection.channel() #队列连接通道

#声明queue

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

channel.basic_publish(exchange='',

　　　　　　routing_key='task1', #路由

　　　　　　properties=pika.BasicProperties(

　　　　　　delivery_mode=2, # make message persistent

　　　　　　), #新加入参数

　　　　　　body='Hello World2!')

print(" [x] Sent 'Hello World!'")

connection.close()

生产者

#消费者

import pika

import time

credentials = pika.PlainCredentials('aaa', '')

parameters = pika.ConnectionParameters(host='192.168.152.132',credentials=credentials)

connection = pika.BlockingConnection(parameters)

channel = connection.channel() #队列连接通道

#声明queue

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

def callback(ch, method, properties, body):

　　print(" [x] Received %r" % body)

　　#time.sleep(10)

　　print('msg handle done...',body)

　　ch.basic_ack(delivery_tag=method.delivery_tag) #消息处理完毕，确认

channel.basic_consume(callback, #取到消息后，调用callback 函数

　　　　　　　　queue='task1',)

　　　　　　　　#no_ack=True) #消息处理后，不向rabbit-server确认消息已消费完毕

print(' [*] Waiting for messages. To exit press CTRL+C')

channel.start_consuming() #阻塞模式

消费者

　　在这种模式下，RabbitMQ会默认把p发的消息依次分发给各个消费者(c)，跟负载均衡差不多。此时，先启动消息生产者，然后再分别启动3个消费者，通过生产者多发送几条消息，你会发现，这几条消息会被依次分配到各个消费者身上。

3、队列【及消息】持久化

　　当我们把rabbitmq-server重启后，发现所有的消息就都丢失了？这种问题怎么办？假如我们在某一个队列中加入了上万条消息，突然消息队列重启了。。。那是不是我们还得手动去添加消失的消息么？不用！以下是解决办法：
　　1、生产者在声明队列的时候使用参数，保持队列持久化 durable = True。
　　　　注意：一定是要在队列第一次声明的时候前添加，不能对已经生成的队列重新再进行一次设置，否则会报错【无法重新修改队列】。
　　2、再通过参数delivery_mode = 2 把消息也变成持久化的。即便是rabbitmq服务重启后，也不会丢消息

#队列持久化 【仅设置单个】

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

systemctl restart rabbitmq-server   #重启服务发现hello队列还在,但是消息不在

rabbitmqctl list_queues  #查看消息队列

    #hello

#队列和消息持久化 【两个参数都存在】

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

				properties=pika.BasicProperties(

					delivery_mode=2,  # make message persistent

				),

systemctl restart rabbitmq-server   #重启服务发现队列和消息都还在

rabbitmqctl list_queues	#查看消息队列

	#hello 1

import pika

credentials = pika.PlainCredentials("aaa","")                     #授权的账号 密码

connection = pika.BlockingConnection(

    pika.ConnectionParameters('192.168.152.132',credentials=credentials))  #建立socket

channel = connection.channel()            #创建rabbitmq协议通道

channel.queue_declare(queue='hello',durable=True)      #通过通道生成一个队列

channel.basic_publish(exchange='',

                      routing_key='hello',      #队列

                      properties=pika.BasicProperties(

                          delivery_mode=2,  # make message persistent

                      ),

                      body='Hello World!')      #内容

print(" [x] Sent 'Hello World!'")

connection.close()

生产者

#消费者

import pika

import time

credentials = pika.PlainCredentials('aaa', '')

parameters = pika.ConnectionParameters(host='192.168.152.132',credentials=credentials)

connection = pika.BlockingConnection(parameters)

channel = connection.channel() #队列连接通道

#声明queue

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

def callback(ch, method, properties, body):

    print(" [x] Received %r" % body)

    #time.sleep(10)

    print('msg handle done...',body)

    ch.basic_ack(delivery_tag=method.delivery_tag) #消息处理完毕，确认

channel.basic_consume(callback, #取到消息后，调用callback 函数

                      queue='task1',)

                      #no_ack=True) #消息处理后，不向rabbit-server确认消息已消费完毕

print(' [*] Waiting for messages. To exit press CTRL+C')

channel.start_consuming() #阻塞模式

消费者

4、多消费者间分发（消费者的公平分发）　

　　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。

　　

　　传统模式：轮询(排队)获取队列中的数据，如果有一个消费者处理慢了，其他的消费者需要一直等待。那怎么解决并发的问题呢？别人处理快慢与本人处理的速度无关。
　　解决方案：以谁先处理完，谁就先获得数据的原则【消息处理完毕才会再拿一条数据】。在消费者端加上这个条件判断：channel.basic_qos(prefetch_count=1) # 公平分发，能者多劳，每次执行一个。
　　注意：生产者的代码不变，消费者代码中加入每次处理一次的参数:channel.basic_qos(prefetch_count=1) # 公平分发

import pika

credentials = pika.PlainCredentials("aaa","")                     #授权的账号 密码

connection = pika.BlockingConnection(

    pika.ConnectionParameters('192.168.152.132',credentials=credentials))  #建立socket

channel = connection.channel()            #创建rabbitmq协议通道

channel.queue_declare(queue='hello',durable=True)      #通过通道生成一个队列

channel.basic_publish(exchange='',

                      routing_key='hello',      #队列

                      properties=pika.BasicProperties(

                          delivery_mode=2,  # make message persistent

                      ),

                      body='Hello World!')      #内容

print(" [x] Sent 'Hello World!'")

connection.close()

生产者

import pika

import time

credentials = pika.PlainCredentials('aaa', '')  # 配置认证的用户 密码

parameters = pika.ConnectionParameters(host="192.168.11.144", credentials=credentials)

connection = pika.BlockingConnection(parameters)  # 建立一个链接对象

channel = connection.channel()  # 队列连接通道

def callback(ch, method, properties, body):

    print("Recived %r" % ch, method, properties, body)

    time.sleep(10)

    print('msg handle done...',body)

    ch.basic_ack(delivery_tag=method.delivery_tag) # 这个是表示消费者处理完了

channel.basic_qos(prefetch_count=1) # 公平分发

channel.basic_consume(callback,  # 取到消息后，执行callback函数

                      queue='hello',

                      # no_ack=True

                      )

print(' [*] Waiting for messages. To exit press CTRL+C')

channel.start_consuming()  # 进入阻塞模式

消费者

5、消息订阅发布 Publish\Subscribe(消息发布\订阅)　消息过滤 exchange

广播策略：每个人都能收到；或是过滤某些人可以接收

一个生产者，对应对个消费者！
　　exchange type 过滤类型
　　　　fanout = 广播
　　　　direct = 组播
　　　　topic = 规则播
　　　　header = 略过。。。
　　之前的例子都基本都是1对1的消息发送和接收，即消息只能发送到指定的queue里，但有些时候你想让你的消息被所有的Queue收到，类似广播的效果，这时候就要用到exchange了，Exchange在定义的时候是有类型的，以决定到底是哪些Queue符合条件，可以接收消息

　　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

a、广播模式(一个生产者，多个消费者)：
　　1、路由指定为空！所有消息都发给exchange处理转到队列，转到哪个队列就需要exchange指定，所以在建立连接的时候要指定名字。
　　注意：exchange只负责转发不负责存放消息！如果没有队列绑定消息就会扔掉！
　　2、自动生成队列名，然后使用完之后再删掉
队列参数exclusive=True唯一的，rabbit 随机生成一个名字。
　　3、生产者和消费者端都要声明队列，以排除生成者未启动，消费者获取报错的问题
　　4、生产者发送一条消息，说有的消费者都能接收到！高效，效率的完成发送！
　　应用场景：新浪微博 订阅模式，只有当前登录的用户才可以收到实时发送的消息

        import pika

        import sys

        credentials = pika.PlainCredentials('aaa', '')

        parameters = pika.ConnectionParameters(host='192.168.152.132',credentials=credentials)

        connection = pika.BlockingConnection(parameters)

        channel = connection.channel() #队列连接通道

        channel.exchange_declare(exchange='logs',type='fanout') #声明队列 exchange名字和类型

        message = ' '.join(sys.argv[1:]) or "info: Hello World!" #获取外界输入的信息，否则就是hello world

        channel.basic_publish(exchange='logs', #指定exchange的名字

                              routing_key='', #注意，不需要指定队列名！

                              body=message) #信息

        print(" [x] Sent %r" % message)

        connection.close()

生产者

import pika

        credentials = pika.PlainCredentials('aaa', '')

        parameters = pika.ConnectionParameters(host='192.168.152.132',credentials=credentials)

        connection = pika.BlockingConnection(parameters)

        channel = connection.channel() #队列连接通道

        channel.exchange_declare(exchange='logs', type='fanout')

        queue_obj = channel.queue_declare(exclusive=True) #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 = queue_obj.method.queue  #获取队列名

        print('queue name',queue_name,queue_obj) #打印会列名

        channel.queue_bind(exchange='logs',queue=queue_name) #绑定队列到Exchange

        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()

消费者

b、direct 组播模式：有选择的接收消息(exchange type=direct)

　　1、有选择的接收消息(exchange type=direct)，RabbitMQ还支持根据关键字发送，相当于是添加了一个过滤地带！
　　　　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。
　　2、发什么类型的，什么类型的接收,在接收端运行的时候加参数，指定接收的类型。
　　3、routing_key = 'xxx' 与广播相比不再为空，队列由执行时手动输入获取，然后路由指定发送到哪个队列。
　　4、按照类型：生产者发送指定类型的消息；消费者循环绑定队列，如果不存在不接收
　　　　例子：就像广播电台，要想接收生产者发送的数据，必须是绑定且在线！如果断开一段时间再接收该电台消息，之前的讯息就不会再收到！
　　应用场景：日志分类处理逻辑 【注：可以同时存在多个消费者】

import pika

    import sys

    credentials = pika.PlainCredentials('aaa', '')

    parameters = pika.ConnectionParameters(host='192.168.152.132',credentials=credentials)

    connection = pika.BlockingConnection(parameters)

    channel = connection.channel() #队列连接通道

    channel.exchange_declare(exchange='direct_log',type='direct')  #声明消息队列及类型

    log_level =  sys.argv[1] if len(sys.argv) > 1 else 'info' #日志等级

    message = ' '.join(sys.argv[1:]) or "info: Hello World!"  #接收手动输入的消息内容

    channel.basic_publish(exchange='direct_log',

                          routing_key=log_level,

                          body=message)

    print(" [x] Sent %r" % message)

    connection.close()

生产者

import pika,sys

        credentials = pika.PlainCredentials('aaa', '')

        parameters = pika.ConnectionParameters(host='192.168.152.132',credentials=credentials)

        connection = pika.BlockingConnection(parameters)

        channel = connection.channel() #队列连接通道

        queue_obj = channel.queue_declare(exclusive=True) #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 = queue_obj.method.queue

        print('queue name',queue_name,queue_obj)

        log_levels = sys.argv[1:] #日志等级 info warning error danger

        #判断存不存在，不存在退出

        if not log_levels:

            sys.stderr.write("Usage: %s [info] [warning] [error]\n" % sys.argv[0])

            sys.exit(1)

        #循环绑定队列

        for level in log_levels:

            channel.queue_bind(exchange='direct_log',

                               queue=queue_name,

                               routing_key=level) #绑定队列到Exchange

        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()

消费者

c、topic规则播

　　话题类型，可以根据正则进行更精确的匹配，按照规则过滤。exchange type = topic，仅改下类型即可！

　　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

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" 
#测试执行如下：

	#客户端一：

		- python3 receive1.py *.django

	#客户端二：

		- python3 receive1.py mysql.error

	#客户端三：

		- python3 receive1.py mysql.*

	#服务端：

		- python3 receive1.py  #匹配相应的客户端

import pika

import sys

credentials = pika.PlainCredentials('aaa', '')

parameters = pika.ConnectionParameters(host='192.168.152.132',credentials=credentials)

connection = pika.BlockingConnection(parameters)

channel = connection.channel() #队列连接通道

channel.exchange_declare(exchange='topic_log',type='topic')

#log_level =  sys.argv[1] if len(sys.argv) > 1 else 'info'

log_level =  sys.argv[1] if len(sys.argv) > 1 else 'all.info'

message = ' '.join(sys.argv[1:]) or "all.info: Hello World!"

channel.basic_publish(exchange='topic_log',

                      routing_key=log_level,

                      body=message)

print(" [x] Sent %r" % message)

connection.close()

生产者

import pika,sys

credentials = pika.PlainCredentials('aaa', '')

parameters = pika.ConnectionParameters(host='192.168.152.132',credentials=credentials)

connection = pika.BlockingConnection(parameters)

channel = connection.channel() #队列连接通道

queue_obj = channel.queue_declare(exclusive=True) #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 = queue_obj.method.queue

log_levels = sys.argv[1:] # info warning errr

if not log_levels:

    sys.stderr.write("Usage: %s [info] [warning] [error]\n" % sys.argv[0])

    sys.exit(1)

for level in log_levels:

    channel.queue_bind(exchange='topic_log',

                       queue=queue_name,

                       routing_key=level) #绑定队列到Exchange

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()

消费者

6、RPC remote producer call 远程执行调用

　　从上边所有的例子中你有没有发现，上面的队列都是单向执行的，需要有发送端和接收端。如果远程的一台机器执行完毕再返回结果，那就实现不了了。如果让他执行完返回，这种模式叫什么呢？RPC（远程过程调用），snmp就是典型的RPC。

　　那RabbitMQ能不能返回呢，怎么返回呢？可以让机器既是发送端又是接收端。但是接收端返回消息怎么返回？可以发送到发过来的queue里么？答案当然是不可以，如果还是存在原先的队列就会直接陷入死循环！所以返回时，需要让消息内部指定再建立一个队列queue，把结果发送新的queue里。

　　同时，为了服务端返回的queue不写死，在客户端给服务端发指令的的时候，同时带一条消息说，你结果返回给哪个queue

　　在执行多个消息任务的时候，怎么区分判断哪个消息是先执行呢？答案就是，在发任务时，再额外提交一个唯一标识符。
task1，task2异步执行，但是返回的顺序是不固定的，为了区分是谁执行完的，在发送的任务添加唯一标识符，这样取回的时候就能区分。
设置一个异步RPC
　　声明一个队列reply_to，作为返回消息结果的队列
　　发送消息队列，消息中带唯一标识uid
　　监听reply_to队列，直到有结果
在类中声明监听

__author__ = 'Administrator'

#1. 定义fib函数

#2. 声明接收指令的队列名rpc_queue

#3. 开始监听队列，收到消息后 调用fib函数

#4. 把fib执行结果，发送回客户端指定的reply_to 队列

import subprocess

import pika

import time

credentials = pika.PlainCredentials('aaa', '')

parameters = pika.ConnectionParameters(host='192.168.152.132',credentials=credentials)

connection = pika.BlockingConnection(parameters)

channel = connection.channel() #队列连接通道

channel.queue_declare(queue='rpc_queue2')

def fib(n):

    if n == 0:

        return 0

    elif n == 1:

        return 1

    else:

        return fib(n-1) + fib(n-2)

def run_cmd(cmd):

    cmd_obj = subprocess.Popen(cmd,shell=True,stdout=subprocess.PIPE,stderr=subprocess.PIPE)

    result = cmd_obj.stdout.read() + cmd_obj.stderr.read()

    return result

def on_request(ch, method, props, body):

    cmd = body.decode("utf-8")

    print(" [.] run (%s)" % cmd)

    response = run_cmd(cmd)

    ch.basic_publish(exchange='',

                     routing_key=props.reply_to, #队列 接收客户端传过来的队列，返回

                     properties=pika.BasicProperties(correlation_id = props.correlation_id),

                     body=response)

    ch.basic_ack(delivery_tag = method.delivery_tag)

channel.basic_consume(on_request, queue='rpc_queue2')

print(" [x] Awaiting RPC requests")

channel.start_consuming()

rpc-server

# 1.声明一个队列，作为reply_to返回消息结果的队列

# 2.  发消息到队列，消息里带一个唯一标识符uid，reply_to

# 3.  监听reply_to 的队列，直到有结果

import queue

import pika

import uuid

class CMDRpcClient(object):

    def __init__(self):

        credentials = pika.PlainCredentials('aaa', '')

        parameters = pika.ConnectionParameters(host='192.168.152.132',credentials=credentials)

        self.connection = pika.BlockingConnection(parameters)

        self.channel = self.connection.channel()

        result = self.channel.queue_declare(exclusive=True)

        self.callback_queue = result.method.queue #命令的执行结果的queue

        #声明要监听callback_queue

        self.channel.basic_consume(self.on_response, no_ack=True,

                                   queue=self.callback_queue)

    def on_response(self, ch, method, props, body):

        """

        收到服务器端命令结果后执行这个函数

        :param ch:

        :param method:

        :param props: 服务器端返回的消息结果！

        :param body:

        :return:

        """

        if self.corr_id == props.correlation_id:

            self.response = body.decode("gbk") #把执行结果赋值给Response

    def call(self, n):

        self.response = None

        self.corr_id = str(uuid.uuid4()) #唯一标识符号

        self.channel.basic_publish(exchange='',

                                   routing_key='rpc_queue2',

                                   properties=pika.BasicProperties(

                                         reply_to = self.callback_queue, #传递要返回的消息队列

                                         correlation_id = self.corr_id,  #唯一id

                                         ),

                                   body=str(n))

        #循环监听

        while self.response is None:

            self.connection.process_data_events()  #检测监听的队列里有没有新消息，如果有，收，如果没有，返回None

            #检测有没有要发送的新指令

        return self.response

cmd_rpc = CMDRpcClient()

print(" [x] Requesting fib(30)")

response = cmd_rpc.call('ipconfig')

print(response)

rpc-client

RabbitMQ 消息队列 应用的更多相关文章

  1. RabbitMQ消息队列（一）: Detailed Introduction 详细介绍

     http://blog.csdn.net/anzhsoft/article/details/19563091 RabbitMQ消息队列(一): Detailed Introduction 详细介绍 ...

  2. RabbitMQ消息队列1: Detailed Introduction 详细介绍

    1. 历史 RabbitMQ是一个由erlang开发的AMQP(Advanced Message Queue )的开源实现.AMQP 的出现其实也是应了广大人民群众的需求,虽然在同步消息通讯的世界里有 ...

  3. (转)RabbitMQ消息队列（九）：Publisher的消息确认机制

    在前面的文章中提到了queue和consumer之间的消息确认机制:通过设置ack.那么Publisher能不到知道他post的Message有没有到达queue,甚至更近一步,是否被某个Consum ...

  4. (转)RabbitMQ消息队列（七）：适用于云计算集群的远程调用(RPC)

    在云计算环境中,很多时候需要用它其他机器的计算资源,我们有可能会在接收到Message进行处理时,会把一部分计算任务分配到其他节点来完成.那么,RabbitMQ如何使用RPC呢?在本篇文章中,我们将会 ...

  5. (转)RabbitMQ消息队列（六）：使用主题进行消息分发

    在上篇文章RabbitMQ消息队列(五):Routing 消息路由 中,我们实现了一个简单的日志系统.Consumer可以监听不同severity的log.但是,这也是它之所以叫做简单日志系统的原因, ...

  6. (转)RabbitMQ消息队列（四）：分发到多Consumer（Publish/Subscribe）

    上篇文章中,我们把每个Message都是deliver到某个Consumer.在这篇文章中,我们将会将同一个Message deliver到多个Consumer中.这个模式也被成为 "pub ...

  7. RabbitMQ消息队列应用

    RabbitMQ消息队列应用 消息通信组件Net分布式系统的核心中间件之一,应用与系统高并发,各个组件之间解耦的依赖的场景.本框架采用消息队列中间件主要应用于两方面:一是解决部分高并发的业务处理:二是 ...

  8. RabbitMQ消息队列（四）：分发到多Consumer（Publish/Subscribe）

    上篇文章中,我们把每个Message都是deliver到某个Consumer.在这篇文章中,我们将会将同一个Message deliver到多个Consumer中.这个模式也被成为 "pub ...

  9. RabbitMQ消息队列（九）：Publisher的消息确认机制

    在前面的文章中提到了queue和consumer之间的消息确认机制:通过设置ack.那么Publisher能不到知道他post的Message有没有到达queue,甚至更近一步,是否被某个Consum ...

  10. 使用EasyNetQ组件操作RabbitMQ消息队列服务

    RabbitMQ是一个由erlang开发的AMQP(Advanved Message Queue)的开源实现,是实现消息队列应用的一个中间件,消息队列中间件是分布式系统中重要的组件,主要解决应用耦合, ...

随机推荐

  1. thinkphp 多表事务处理

    try{ $this->user = D('User'); $this->user->startTrans(); //开始事务 $res = $this->user->S ...

  2. Nginx location指令匹配顺序规则

    location匹配命令 1. “= ”,字面精确匹配, 如果匹配,则跳出匹配过程.(不再进行正则匹配) 2. “^~ ”,最大前缀匹配,如果匹配,则跳出匹配过程.(不再进行正则匹配) 3. 不带任何 ...

  3. linux基础（5）-用户及权限

    用户与组 用户:使用linux时,需要以用户的身份登陆 组    :用来方便组织管理用户   用户种类 -root用户(ID为0的用户为root用户) -系统用户(1-499) -普通用户(500以上 ...

  4. Nagios的基本安装配置

    //////////////////////nagios//////////////////////nagios原理:http://www.linuxidc.com/Linux/2013-11/927 ...

  5. 项目开发之git配置

    1.本地安装git配置 安装步骤,这里不详细介绍,软件下载然后安装即可. 查看git安装版本 #git --version 2.git密钥生成 ssh-keygen -t rsa -C "f ...

  6. java:内存处理ByteArrayOutputStream,ByteArrayInputStream

    //用内存,将小写字母替换成大写字母 String str = "helloworld,goodmorning"; ByteArrayOutputStream bos = null ...

  7. Asp.net 检测到有潜在危险的 Request.From值

    因为Asp.net对客户端提交的数据进行了基本的安全验证,检测是否有最基础的 sql注入 或者 xss跨站脚本攻击代码. 如果你提交了:</div><script type=&quo ...

  8. 计算客网络赛 Coin 二项式定理+逆元

    https://nanti.jisuanke.com/t/17115 Bob has a not even coin, every time he tosses the coin, the proba ...

  9. uva 10168 哥德巴赫猜想

    https://vjudge.net/problem/UVA-10168 给出一个整数n,问是否能将它化为四个素数相加的形式,如果可以的话就输出这四个数.显然n<8时是不可能的.对于大于等于8得 ...

  10. maven笔记（maven使用与安装，eclipse中maven的配置，maven项目的创建）

    一.初识maven 1.maven是什么? 他是一个项目管理器,配置好pom配置文件后,maven会管理项目的依赖文件等,当项目用到外部jar包时,maven帮助我们去网上下载并打包发到Tomcat中 ...