一、理解rabbitmq的基本背景

1、理解消息队列

1.1 普通queue

在前面的博客中所提到的队列，此处均称之为普通队列

简述一下普通队列的一些分类及不足

1.1.1 基本Queue：queue

1.1.2 线程queue：threading.queue()

1.1.3 进程queue：multiprocessing.queue()、

普通queue的不足:

不同的线程可以通过线程queue来进行通信，但其他的子进程无法使用这个线程queue

父进程的子进程之间可以使用进程queue进行通信，但是无关的进程直接无法使用进程queueu进行通信

即，如果多个不相干的进程（没有父子关系），进程queue依然无法解决

1.2 rabbitmq 一种消息队列，用于无关联的多进程直接通信

2、rabbitmq的基本原理

多个进程交互不通的方式分析

2.1 通过硬盘进行交互，即在以往提到的序列化，使用json、pickle 交互，较慢

2.2 多个进程建立socket，相比硬盘，此方法快，但是需要两两建立socket，复杂

2.3 多个进程通过第三方中间商如rabbitmq、activemq来交互

Rabbitmq就是个中间商，所有的进程和它建立socket交互数据

3、rabbitmq的安装及启动

启动rabbitmq需要安装erlang及rabbitmq，此处不叙述安装过程

需要知道的是系统服务中，rabbitmq的运行，端口5672

需要知道系统服务中 rabbitmq的运行

二、python与rabbitmq

1、pika模块

Python和rabbitmq的交互使用pika模块，此模块需要安装。(此处不演示安装过程)

2、分清rabbitmq的几种角色

2.1 接收端与queue：

接收端，从rabbitmq中接收数据的，那么从rabbitmq中什么地方接收数据呢，queue。

Rabbitmq中，可以有很多的queue，接收端必须明确知道我需要从哪个queue中接收消息。

2.2 发送端

发送消息的一端，需要把消息发送到rabbitmq中，那么，是直接发送给queue中吗，不是的，发送端发送的消息，需要指定两个变量，才能最终决定消息发送到哪里。

2.3 两个变量 exchange与routing_key

在exchange为空时，routing_key直接将消息发送到routing_key这个变量名的queue中。

在exchange不为空时，exchange可以和routing_key相结合，最终决定将消息分配到哪个queue中。

2.4 几种常见的exchange类型

fanout

所有bind到这个echange的queue都能接收到信息。即一个echange能同时绑定多个queue。

direct

和routingkey搭配指定唯一的queue接收消息

topic

所有符合routingkey（此时的routingkey可以是一个表达式）的routingkey所bind的queue ->此处可以看出一个routingkey和queue的关系。即queue和routingkey是两个概念，且routingkey可以绑定多个queue。

headers

通过header来决定把消息发送到哪个queue中

三、常见场景分析

1、 exchange 为空的情况一对一场景

此场景为rabbitmq中最简单的场景

Exchange为空 routing_key的值就是queue的name 一个消息直接发送到一个queue

1.1 发送方发送流程

建立连接->建立通道->声明队列->通过通道发消息->关闭连接

#step1 建立连接

connect=pika.BlockingConnection(pika.ConnectionParameters('localhost'))

#step2 建立通道

channel=connect_mq.channel()

#step3 声明队列

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

#step4

#发送消息 ->3个关键点 exchange routing_key(实际被声明的队列) body(信息本身)

channel.basic_publish(

exchange='',

routing_key='hello',

body='hello world',

properties=pika.BasicProperties(delivery_mode=2)

)

1.2 接收端的接收流程

建立连接->建立通道->声明队列->通过队列接收消息->定义callback函数处理接收到的结果->开始接收->持续接收

#step 1/step 2/step 3 和生产者均一致

#step 4 接收消息 两个重点 callback函数，queue，队列名称

channel.basic_consume(

callback,

queue='hello',

#no_ack=True,

no_ack=False,

)

#step 5 callback函数的定义 4个必须的参数

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

#ch：管道对象内存地址

#method:#一般不做了结

#properties:#下面细说

#body：正文本身byte格式

#step 6 开始接收

channel.start_consuming()

1.3 生产者消费者均声明queue的意义

我们无法判断在实际环境中是生产者还是消费者先运行如果只在其中一个程序中声明队列，另一个没有声明，则可能出现没有声明的队列先运行的情况，此处就会出现程序报错。

1.4 知道轮询机制

如果运行了一个发送端producer给queue中不断发送信息，此时运行了多个comsumer端（接收端）时，每个客户端将按照运行的先后顺序逐个接收包

1.5 windows为例查看rabbitmq中已有的队列及队列内的消息条数

rabbitmq 对当前队列的查看可以查看到队列名和队列里消息的数量 rabbitmqctl list_queues

C:\rabbitmq_server-3.7.\sbin>rabbitmqctl list_queues

Timeout: 60.0 seconds ...

Listing queues for vhost / ...

hello

1.6 确认机制

确认机制消费者在处理消息的过程中因为网络环境的关系断开消息在rabbitmq中不会被清除，如果有多个消费者，这个消息还会轮询到其他的消费者

channel.basic_consume(

callback,

queue='hello',

#no_ack=True,

#no_ack=False,

)

默认没有ack

没有ack的情况下 rabbitmq会将所有的消息一口气发出不管你是否处理了，此时数据端关闭，数据全丢失

E:\Program Files\RabbitMQ Server\rabbitmq_server-3.7.4\sbin>rabbitmqctl list_queues

Timeout: 60.0 seconds ...

Listing queues for vhost / ...

hello 7

channel.basic_consume(

callback,

queue='hello',

no_ack=True

)

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

     time.sleep(10) #第一个sleep时断开 上述队列中7条数据全部丢失

     print('get info',body)

需要确认的情况，需要手工发送ack ！！！ch.basic_ack(delivery_tag=method.delivery_tag)

channel.basic_consume(

no_ack=False
)

#需要手动发送ack

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

    ch.basic_ack(delivery_tag=method.delivery_tag)

1.7 队列、消息持久化

如果是服务器down了，那消息不是就丢失了吗，如何解决，需要使用队列持久化和消息持久化，durable与delivery_mode=2

#队列持久化 队列会持续保持

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

#消息持久化

channel.basic_publish(

exchange='',

routing_key='hello',

body='hello world',

properties=pika.BasicProperties(delivery_mode=2) 模式2 消息持久化

)

1.8 动态负载均衡 qos

channel.basic_qos(prefetch_count=1)

#需要注意的地方 这个qos要搭配 no_ack=False一起使用才能生效

1.9 完整代码展示

#producer

import pika

#step 1  连接rabbitmq

connect_mq=pika.BlockingConnection(pika.ConnectionParameters('localhost'))

#step 2 建立通信通道

channel=connect_mq.channel()

#step 3 声明队列，告诉rabbitmq 我要和哪个队列通信

# 如果确定rabbitmq上已经存在此队列，此处可以省略

# 如果多个程序先后运行，只有一个程序声明了某队列，

# 其他程序没声明，那么若没有声明的程序先启动了。rebbitmq上没有这个队列，就会报错

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

#step 4 通过通道给队列发送数据

# exchange此处先不考虑，routing_key为队列名字，body为需要发送的内容

import time

count=0

for i in range(30):

  print(count)

  xxx=str(count).encode()

  time.sleep(0)

  channel.basic_publish(exchange='',routing_key='hello',body=xxx,properties=pika.BasicProperties(delivery_mode=2))

  count+=1

print('send hello world to rabbiemq')

#step 5 关闭连接

connect_mq.close()

#consumer

import pika

import time

#step 1

connect_mq=pika.BlockingConnection(pika.ConnectionParameters('localhost'))

#step 2

channel=connect_mq.channel()

#step 3

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

channel.basic_qos(prefetch_count=1)

#step 4 定义一个方法(函数)来处理队列读出来的数据

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

#ch channel obj的内存地址

# method properties 此处先不关注 properties属性、特性

#body 实际内容

    #print(ch,method,properties)

    time.sleep(1)

    print('get info 1s',body)

    ch.basic_ack(delivery_tag=method.delivery_tag)

#step 5 接收动作

channel.basic_consume(

    callback,

    queue='hello',

    #no_ack=True

    no_ack=False,

     )

print('waiting for message')

#step 6 开始实际消耗

channel.start_consuming()

2、 rabbitmq的exchange不为空的几种场景

上面描述的是一对一发送，即发送到一个queue中

现在我们思考如何将消息广播出去，发送到多个queue中，此时我们需要使用exchange与routing_key的结合

2.1 exchange 两端的理解

一端从生产者处接收消息，一端把接收到的消息push到队列中

echange它必须要准确知道如何处理接收的消息。消息是被添加到特定的queue中，还是被添加到很多个queue中，或者是这个消息应该被丢弃。

这些规则都由exchange的类型来决定

即exchange在定义的时候是有类型的，类型的选择很重要。关系到那些queue能接收消息。

2.2 一对多订阅（fanout）

订阅发布（广播） fanout 绑定过来的queue都发送

fanout的生产者流程

建立连接->建立通道->声明exchange（包括名字及类型）->指定exchange发送。

#step 1、step 2 和之前的一对一都一样

#step3 声明exchange

#此处要明确 我们是需要把消息丢给exchange处理的。rabbitmq中可以存在很多的exchange，每个exchange开发者都可以自己命名和并定义类型

channel.exchange_declare(

exchange='xxx1',

exchange_type='fanout'

)

#和队列声明对比channel.queue_declare(queue='hello',durable=True)

#在这种场景下 我们不需要声明队列，我们只关心 把消息给exchange即可，至于后期哪个queue要关联这个fanout 的exchange 我们不关心。这个是消费者自己来考虑的

#step 4 发送消息 此时指定相应的exchange名字发送

channel.basic_publish(exchange='xxx1',routing_key='',body=tmp_mess)

和之前的发送方式对比

channel.basic_publish(exchange='',routing_key='hello',body='hello world',)

一个是指定了exchange name 一个是指定了routingkey

fanout模式的消费者流程

建立连接->建立通道->声明exchange(不确定生产者消费者谁先运行)->声明队列->(临时队列的对象)->生成临时队列->临时队列与exchange绑定->定义callback函数处理接收到的结果->开始接收->持续接收

#step 1 、step 2、step 3都和上面的生产者一样

#step4 声明队列 此处我们需要生成一个随机名称的队列，用来接收订阅(广播)，如果连接关闭随机队列自动结束。

#result = channel.queue_declare(exclusive=True) 队列类型声明

#exclusive 单独的 临时创建 连接断开则删除

tmp_queue_name= result.method.queue 生成临时的队列

#step5 将临时队列和exchange绑定

#fanout的定义 将消息转发给每个绑定到这个exchange的queue中（如果queue刚开始不存在，后面再连上，连上之前的数据是不回接收到的，消息到exchange后，exchange转发后，不会保留在exchange中）

#step 6 将exchange和临时队列进行绑定

channel.queue_bind(exchange='xxx1',queue=tmp_queue_name)

#step 7 callback函数定义 4元素

def callback(ch,method,properties,body)

#step 8 开始接收

channel.basic_consume(callback,queue=tmp_queue_name,no_ack=True)

#step 9 持续接收

channel.start_consuming()

完整代码

#producer

import pika

#step 1

connect_rabbitmq=pika.BlockingConnection(pika.ConnectionParameters('localhost'))

#step 2

channel=connect_rabbitmq.channel()

#step 3

channel.exchange_declare(exchange='xxx1',exchange_type='fanout')

#step 4 publish时要指定exhange 或 routing_key

while True:

   tmp_mess=input('please input the information\n>>:').strip()

   if not tmp_mess:continue

   if tmp_mess=='exit':exit('退出')

   tmp_mess=tmp_mess.encode(encoding='utf-8')

   channel.basic_publish(exchange='xxx1',routing_key='',body=tmp_mess)

#comsumer

import pika

conn_mq=pika.BlockingConnection(pika.ConnectionParameters('localhost'))

channel=conn_mq.channel()

channel.exchange_declare(exchange='xxx1',exchange_type='fanout')

#step 4 创建临时queue

result = channel.queue_declare(exclusive=True)#exclusive 单独的 临时创建 连接断开则删除

tmp_queue_name= result.method.queue

print(tmp_queue_name)

#step 5 绑定queue和exchange

channel.queue_bind(exchange='xxx1',queue=tmp_queue_name)

#step 6

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

    print('>>:%s'%body.decode())

#step 7

channel.basic_consume(callback,queue=tmp_queue_name,no_ack=True)

#step 8

channel.start_consuming()

2.3 带过滤的一对多订阅（direct）

队列与关键字绑定（日志等级）

direct方式通过exchange 和routing_key结合实现过滤(日志级别)

Direct 生产者的流程

建立连接->建立通道->声明exchange->声明routing_key->开始发送

#step 1、step 2 常规操作 奖励连接和通道

connet_it=pika.BlockingConnection(pika.ConnectionParameters('localhost'))

channel=connet_it.channel()

#step 3 声明exchange

#此时声明的exchange的type类型为direct

#相当于在fanout的基础上做了个细化

#消息到了exchange后 direct类型需要结合routing_key来将消息交到相应的queue中

channel.exchange_declare(exchange='log1',exchange_type='direct')

 #step4 step5 声明routiing_key 并发送

channel.basic_publish(

exchange='log1',

routing_key='info',

body=real_mess

)

direct消费者的流程

建立连接->建立通道->声明exchange->生成随机queue对象->生成随机queuename->queuename和exchange及routing_key进行绑定(此处发现，同一queue，同一exchange，可以绑定多个不同的routing_key)->开始接收信息->持续接收信息

#step 1 、step 2 、step3 的方式和生产者完全一样 生成了exchange type=direct

#step4、step 5 生成随机queue对象->生成随机queuename

result = channel.queue_declare(exclusive=True)#exclusive 单独的 临时创建 连接断开则删除

tmp_queue_name= result.method.queue

#step 6 队列绑定 将临时队列和exchange 及 routing_key 进行绑定

channel.queue_bind(exchange='log1', routing_key=i,queue=tmp_queue_name)

#step 7、step 8 开始接收，持续接收

channel.basic_consume(callback,queue=tmp_queue_name,no_ack=True)

channel.start_consuming()

direct完整代码

#producer

import pika

connet_it=pika.BlockingConnection(pika.ConnectionParameters('localhost'))#parameters

channel=connet_it.channel()

channel.exchange_declare(exchange='log1',exchange_type='direct')

while True:

    tmp_mess = input('please input the information\n>>:').strip()

    if not tmp_mess: continue

    if tmp_mess == 'exit': exit('退出')

    tmp_mess_list=tmp_mess.split()

    if len(tmp_mess_list)==1:

        print('error ! try again')

    else:

        log_level=tmp_mess_list[0]

        real_mess=''

        for i in tmp_mess_list[1:]:

            real_mess+=i

            real_mess+=' '

        real_mess=real_mess.strip()

        real_mess = real_mess.encode(encoding='utf-8')

        channel.basic_publish(exchange='log1', routing_key=log_level, body=real_mess)

-----------------------------------

#comsumer

import pika

connet_it=pika.BlockingConnection(pika.ConnectionParameters('localhost'))#parameters

channel=connet_it.channel()

channel.exchange_declare(exchange='log1',exchange_type='direct')

#tmp1=channel.queue_declare(exclusive=True)

#tmp_name=tmp1.method.queue()

result = channel.queue_declare(exclusive=True)#exclusive 单独的 临时创建 连接断开则删除

tmp_queue_name= result.method.queue

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

    print('>>:%s'%body.decode())

tmp_level=input('输入日志等级：').strip()

level_list=tmp_level.split()

#level_list=['error','debug']

for i in level_list:

    channel.queue_bind(exchange='log1', routing_key=i,queue=tmp_queue_name)

channel.basic_consume(callback,queue=tmp_queue_name,no_ack=True)

channel.start_consuming()

2.3 模糊匹配的一对多订阅（topic）

topic 更加细化过滤

与direct一样，需要exchange和routing_key相结合，区别就是exchange类型及routing_key可以使用过滤条件 # *.xxx xxx.* 匹配任意、尾部匹配、首部匹配

topic生产者流程

建立连接->建立通道->声明exchange->声明routing_key->开始发送

topic消费者流程

所有的步骤和direct完全一样只是这种方式能使用过滤条件 #任意、xxx.*头部匹配、 *.xxx尾部匹配

#exchange type 为topic

channel.exchange_declare(exchange='superlog',exchange_type='topic')

topic完整代码

#producer

import pika

connect_it=pika.BlockingConnection(pika.ConnectionParameters('localhost'))

channel=connect_it.channel()

channel.exchange_declare(exchange='superlog',exchange_type='topic')

while True:

    tmp_mess = input('please input the information\n>>:').strip()

    if not tmp_mess: continue

    if tmp_mess == 'exit': exit('退出')

    tmp_mess_list=tmp_mess.split()

    if len(tmp_mess_list)==1:

        print('error ! try again')

    else:

        log_level=tmp_mess_list[0]

        real_mess=''

        for i in tmp_mess_list[1:]:

            real_mess+=i

            real_mess+=' '

        real_mess=real_mess.strip()

        real_mess = real_mess.encode(encoding='utf-8')

        channel.basic_publish(exchange='superlog',routing_key=log_level,body=real_mess)

-----------------------------------

#comsumer

import pika

connect_it=pika.BlockingConnection(pika.ConnectionParameters('localhost'))

channel=connect_it.channel()

channel.exchange_declare(exchange='superlog',exchange_type='topic')

result=channel.queue_declare(exclusive=True)

tmp_queue_name = result.method.queue

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

    print('>>:%s'%body.decode())

tmp_level=input('输入日志等级：').strip()

level_list=tmp_level.split()

#level_list=['error','debug']

for i in level_list:

    channel.queue_bind(exchange='superlog', routing_key=i,queue=tmp_queue_name)

channel.basic_consume(callback,queue=tmp_queue_name,no_ack=True)

channel.start_consuming()

四、rabbitmq实现rpc

RPC（Remote Procedure Call）—远程过程调用,此部分不做过多的描述，实际实现很简单，就是上面序数内容的结合。此处只展示代码

#rpc client

import pika

import uuid

class RpcClient(object):

    def __init__(self):

        #1、连接rabbitmq 2、创建channel 3、生成一个临时的queue 用于收消息 basicconsumer

        self.connect_it=pika.BlockingConnection(pika.ConnectionParameters('localhost'))

        self.channel=self.connect_it.channel()

        self.channel.queue_declare(queue='client_sent_to_server')

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

        self.callback_queue = result.method.queue

        #临时生成一个queue

        self.channel.basic_consume(self.recv_mess,queue=self.callback_queue,no_ack=True)

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

        if self.ack_id==props.correlation_id:

            self.recv_body=body

    def call(self,n):

        self.recv_body=None

        self.ack_id=str(uuid.uuid4())

        self.channel.basic_publish(

            exchange='',

            routing_key='client_sent_to_server',

            properties=pika.BasicProperties(

                reply_to=self.callback_queue,

                correlation_id=self.ack_id,

            ),

            body=n

        )

        while self.recv_body is None:

            self.connect_it.process_data_events()#监听回复

            #self.channel.start_consuming()对比一下

        return self.recv_body

tmp_rpc=RpcClient()

while True:

    x=input('>>:').strip()

    if x=='exit':exit()

    if not x:continue

    x=x.encode('utf-8')

    y=tmp_rpc.call(x)

    y=y.decode()

    print(y)

-------------------------

#rpc server

import pika

class RpcServer(object):

    def __init__(self):

        #1、连接rabbitmq 2、创建channel 3、生成一个临时的queue 用于收消息 basicconsumer

        self.connect_it=pika.BlockingConnection(pika.ConnectionParameters('localhost'))

        self.channel=self.connect_it.channel()

        self.channel.queue_declare(queue='client_sent_to_server')

        #临时生成一个queue

        self.channel.basic_qos(prefetch_count=1)

        self.channel.basic_consume(self.callback,queue='client_sent_to_server',no_ack=True)

        self.channel.start_consuming()

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

        print()

        self.recv_body = body

        self.channel.basic_publish(

            exchange='',

            routing_key=props.reply_to,

            body=self.recv_body.upper(),

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

        )

tmp_rpc=RpcServer()

五、pika连接rabbitmq有密码的情况

connection = pika.BlockingConnection(pika.ConnectionParameters(

host='localhost'))

# rabbitmq 设有权限的连接

# connection = pika.BlockingConnection(pika.ConnectionParameters(

# host='192.168.1.105',credentials=pika.PlainCredentials('admin', 'admin')))

巴特西

python笔记-11 rabbitmq

一、理解rabbitmq的基本背景

1、理解消息队列

2、rabbitmq的基本原理

3、rabbitmq的安装及启动

二、python与rabbitmq

1、pika模块

2、分清rabbitmq的几种角色

三、常见场景分析

1、 exchange 为空的情况一对一场景

2、 rabbitmq的exchange不为空的几种场景

四、rabbitmq实现rpc

五、pika连接rabbitmq有密码的情况

最新文章

热门文章

巴特西

python笔记-11 rabbitmq

一、理解rabbitmq的基本背景

1、理解消息队列

2、rabbitmq的基本原理

3、rabbitmq的安装及启动

二、python与rabbitmq

1、pika模块

2、分清rabbitmq的几种角色

三、常见场景分析

1、 exchange 为空的情况 一对一场景

2、 rabbitmq的exchange不为空的几种场景

四、rabbitmq实现rpc

五、pika连接rabbitmq有密码的情况

最新文章

热门文章

1、 exchange 为空的情况一对一场景