12.1 rabbitMQ

1. 你了解的消息队列

生活里的消息队列，如同邮局的邮箱，如果没邮箱的话，邮件必须找到邮件那个人，递给他，才玩完成，那这个任务会处理的很麻烦，很慢，效率很低但是如果有了邮箱，邮件直接丢给邮箱，用户只需要去邮箱里面去找，有没有邮件，有就拿走，没有就下次再来，这样可以极大的提升邮件收发效率！

 

rabbitmq是一个消息代理，它接收和转发消息，可以理解为是生活的邮局。 你可以将邮件放在邮箱里，你可以确定有邮递员会发送邮件给收件人。 概括： rabbitmq是接收，存储，转发数据的。 官方教程：http://www.rabbitmq.com/tutorials/tutorial-one-python.html

消息（Message）是指在应用间传送的数据。消息可以非常简单，比如只包含文本字符串，也可以更复杂，可能包含嵌入对象。

消息队列（Message Queue）是一种应用间的通信方式，消息发送后可以立即返回，由消息系统来确保消息的可靠传递。消息发布者只管把消息发布到 MQ 中而不用管谁来取，消息使用者只管从 MQ 中取消息而不管是谁发布的。这样发布者和使用者都不用知道对方的存在。

2. 公司在什么情况下会用消息队列?

1.电商订单

想必同学们都点过外卖，点击下单后的业务逻辑可能包括：检查库存、生成单据、发红包、短信通知等，如果这些业务同步执行，完成下单率会非常低，如发红包，短信通知等不必要的流程，异步执行即可。

此时使用MQ，可以在核心流程（扣减库存、生成订单记录）等完成后发送消息到MQ，快速结束本次流程。消费者拉取MQ消息时，发现红包、短信等消息时，再进行处理。

场景：双11是购物狂节,用户下单后,订单系统需要通知库存系统,传统的做法就是订单系统调用库存系统的接口

 

这种做法有一个缺点:

• 当库存系统出现故障时,订单就会失败。(这样马云将少赚好多好多钱钱。。。。)

• 订单系统和库存系统高耦合.

引入消息队列

 

• 订单系统:用户下单后,订单系统完成持久化处理,将消息写入消息队列,返回用户订单下单成功。

• 库存系统:订阅下单的消息,获取下单消息,进行库操作。 就算库存系统出现故障,消息队列也能保证消息的可靠投递,不会导致消息丢失(马云这下高兴了，钞票快快的来呀~~).

2.秒杀活动

流量削峰一般在秒杀活动中应用广泛 场景:秒杀活动，一般会因为流量过大，导致应用挂掉,为了解决这个问题，一般在应用前端加入消息队列。 作用: 1.可以控制活动人数，超过此一定阀值的订单直接丢弃(怪不得我一次秒杀都没抢到过。。。。。wtf？？？)

2.可以缓解短时间的高流量压垮应用(应用程序按自己的最大处理能力获取订单)

 

 

3.用户的请求，服务器接收到之后，写入消息队列，超过定义的阈值就直接丢弃请求，或者跳转错误页面。

4.业务系统取出队列中的消息，再做后续处理。

 

3. rabbitMQ安装

rabbitmq-server服务端1.下载centos源wget -O /etc/yum.repos.d/CentOS-Base.repo   http://mirrors.cloud.tencent.com/repo/centos7_base.repo2.下载epel源wget -O /etc/yum.repos.d/epel.repo http://mirrors.cloud.tencent.com/repo/epel-7.repo3.清空yum缓存并且生成新的yum缓存yum clean allyum makecache4.安装erlang   $ yum -y install erlang5.安装RabbitMQ   $ yum -y install rabbitmq-server6.启动(无用户名密码):    systemctl start/stop/restart/status rabbitmq-server​设置rabbitmq账号密码，以及角色权限设置# 设置新用户yugo 密码123sudo rabbitmqctl add_user yugo 123​# 设置用户为administrator角色sudo rabbitmqctl set_user_tags yugo administrator​# 设置权限，允许对所有的队列都有权限 对何种资源具有配置、写、读的权限通过正则表达式来匹配，具体命令如下： set_permissions [-p 
              
               ] 
                
                 
                  
                  
                    sudo rabbitmqctl set_permissions -p "/" yugo ".*" ".*" ".*"​#重启服务生效设置service rabbitmq-server start/stop/restartrabbitmq相关命令// 新建用户rabbitmqctl add_user {用户名} {密码}​// 设置权限rabbitmqctl set_user_tags {用户名} {权限}​// 查看用户列表rabbitmqctl list_users​// 为用户授权添加 Virtual Hosts ：    rabbitmqctl add_vhost 
                   
                     ​// 删除用户rabbitmqctl delete_user Username​// 修改用户的密码rabbitmqctl change_password Username Newpassword // 删除 Virtual Hosts ： rabbitmqctl delete_vhost 
                    
                      // 添加 Users ： rabbitmqctl add_user 
                      
                      
                        rabbitmqctl set_user_tags 
                        
                        
                          ... rabbitmqctl set_permissions [-p 
                         
                          ] 
                           
                            
                             
                             
                               // 删除 Users ： delete_user 
                              
                                ​// 使用户user1具有vhost1这个virtual host中所有资源的配置、写、读权限以便管理其中的资源rabbitmqctl set_permissions -p vhost1 user1 '.*' '.*' '.*' ​// 查看权限rabbitmqctl list_user_permissions user1​rabbitmqctl list_permissions -p vhost1​// 清除权限rabbitmqctl clear_permissions [-p VHostPath] User​//清空队列步骤rabbitmqctl reset 需要提前关闭应用rabbitmqctl stop_app ，然后再清空队列，启动应用rabbitmqctl start_app此时查看队列rabbitmqctl list_queues​查看所有的exchange： rabbitmqctl list_exchanges查看所有的queue： rabbitmqctl list_queues查看所有的用户： rabbitmqctl list_users查看所有的绑定（exchange和queue的绑定信息）： rabbitmqctl list_bindings查看消息确认信息：rabbitmqctl list_queues name messages_ready messages_unacknowledged查看RabbitMQ状态，包括版本号等信息：rabbitmqctl status #开启web界面rabbitmq rabbitmq-plugins enable rabbitmq_management #访问web界面 http://server-name:15672/
                              
                             
                            
                           
                          
                         
                        
                       
                      
                     
                    
                   
                  
                 
                
               
              

RabbitMQ组件解释

AMQPAMQP协议是一个高级抽象层消息通信协议，RabbitMQ是AMQP协议的实现。它主要包括以下组件：

1.Server(broker): 接受客户端连接，实现AMQP消息队列和路由功能的进程。

2.Virtual Host:其实是一个虚拟概念，类似于权限控制组，一个Virtual Host里面可以有若干个Exchange和Queue，但是权限控制的最小粒度是Virtual Host

3.Exchange:接受生产者发送的消息，并根据Binding规则将消息路由给服务器中的队列。ExchangeType决定了Exchange路由消息的行为，例如，在RabbitMQ中，ExchangeType有direct、Fanout和Topic三种，不同类型的Exchange路由的行为是不一样的。

4.Message Queue：消息队列，用于存储还未被消费者消费的消息。

5.Message: 由Header和Body组成，Header是由生产者添加的各种属性的集合，包括Message是否被持久化、由哪个Message Queue接受、优先级是多少等。而Body是真正需要传输的APP数据。

6.Binding:Binding联系了Exchange与Message Queue。Exchange在与多个Message Queue发生Binding后会生成一张路由表，路由表中存储着Message Queue所需消息的限制条件即Binding Key。当Exchange收到Message时会解析其Header得到Routing Key，Exchange根据Routing Key与Exchange Type将Message路由到Message Queue。Binding Key由Consumer在Binding Exchange与Message Queue时指定，而Routing Key由Producer发送Message时指定，两者的匹配方式由Exchange Type决定。 

7.Connection:连接，对于RabbitMQ而言，其实就是一个位于客户端和Broker之间的TCP连接。

8.Channel:信道，仅仅创建了客户端到Broker之间的连接后，客户端还是不能发送消息的。需要为每一个Connection创建Channel，AMQP协议规定只有通过Channel才能执行AMQP的命令。一个Connection可以包含多个Channel。之所以需要Channel，是因为TCP连接的建立和释放都是十分昂贵的，如果一个客户端每一个线程都需要与Broker交互，如果每一个线程都建立一个TCP连接，暂且不考虑TCP连接是否浪费，就算操作系统也无法承受每秒建立如此多的TCP连接。RabbitMQ建议客户端线程之间不要共用Channel，至少要保证共用Channel的线程发送消息必须是串行的，但是建议尽量共用Connection。

9.Command:AMQP的命令，客户端通过Command完成与AMQP服务器的交互来实现自身的逻辑。例如在RabbitMQ中，客户端可以通过publish命令发送消息，txSelect开启一个事务，txCommit提交一个事务。

python客户端

// rabbitmq官方推荐的python客户端pika模块pip3 install pika

应用场景1：单发送单接收

生产-消费者模型

P   是生产者 C   是消费者 中间hello是消息队列 可以有多个P、多个C ​ P发送消息给hello队列，C消费者从队列中获取消息，默认轮询方式

 

 

生产者send.py

我们的第一个程序send.py将向队列发送一条消息。我们需要做的第一件事是建立与RabbitMQ服务器的连接。

#!/usr/bin/env pythonimport pika# 创建凭证，使用rabbitmq用户密码登录# 去邮局取邮件，必须得验证身份credentials = pika.PlainCredentials("s14","123")# 新建连接，这里localhost可以更换为服务器ip# 找到这个邮局，等于连接上服务器connection = pika.BlockingConnection(pika.ConnectionParameters('192.168.119.10',credentials=credentials))# 创建频道# 建造一个大邮箱，隶属于这家邮局的邮箱，就是个连接channel = connection.channel()# 声明一个队列，用于接收消息，队列名字叫“水许传”channel.queue_declare(queue='水许传')# 注意在rabbitmq中，消息想要发送给队列，必须经过交换(exchange)，初学可以使用空字符串交换(exchange='')，它允许我们精确的指定发送给哪个队列(routing_key=''),参数body值发送的数据channel.basic_publish(exchange='',                      routing_key='水许传',                      body='武松又去打老虎啦2')print("已经发送了消息")# 程序退出前，确保刷新网络缓冲以及消息发送给rabbitmq，需要关闭本次连接connection.close()

可以同时存在多个接受者，等待接收队列的消息，默认是轮训方式分配消息

接受者receive.py，可以运行多次，运行多个消费者

import pika# 建立与rabbitmq的连接credentials = pika.PlainCredentials("s14","123")connection = pika.BlockingConnection(pika.ConnectionParameters('192.168.119.10',credentials=credentials))channel = connection.channel()channel.queue_declare(queue="水许传")def callbak(ch,method,properties,body):    print("消费者接收到了任务：%r"%body.decode("utf8"))# 有消息来临，立即执行callbak，没有消息则夯住，等待消息# 老百姓开始去邮箱取邮件啦，队列名字是水许传channel.basic_consume(callbak,queue="水许传",no_ack=True)# 开始消费，接收消息channel.start_consuming()

  

练习：

分别启动生产者、两个消费者，往队列发送数据，查看消费者的结果

应用场景2：单发送多接收

使用场景：一个发送端，多个接收端，如分布式的任务派发。为了保证消息发送的可靠性，不丢失消息，使消息持久化了。同时为了防止接收端在处理消息时down掉，只有在消息处理完成后才发送ack消息。

rabbitmq消息确认之ack

官网资料：

默认情况下，生产者发送数据给队列，消费者取出消息后，数据将被清除。

特殊情况，如果消费者处理过程中，出现错误，数据处理没有完成，那么这段数据将从队列丢失

no-ack机制

不确认机制也就是说每次消费者接收到数据后，不管是否处理完毕，rabbitmq-server都会把这个消息标记完成，从队列中删除

ACK机制

ACK机制用于保证消费者如果拿了队列的消息，客户端处理时出错了，那么队列中仍然还存在这个消息，提供下一位消费者继续取

流程

1.生产者无须变动，发送消息2.消费者如果no_ack=True啊，数据消费后如果出错就会丢失反之no_ack=False，数据消费如果出错，数据也不会丢失3.ack机制在消费者代码中演示

生产者.py 只负责发送数据即可，无须变动

#!/usr/bin/env pythonimport pika# 创建凭证，使用rabbitmq用户密码登录# 去邮局取邮件，必须得验证身份credentials = pika.PlainCredentials("s14","123")# 新建连接，这里localhost可以更换为服务器ip# 找到这个邮局，等于连接上服务器connection = pika.BlockingConnection(pika.ConnectionParameters('192.168.119.10',credentials=credentials))# 创建频道# 建造一个大邮箱，隶属于这家邮局的邮箱，就是个连接channel = connection.channel()# 新建一个hello队列，用于接收消息# 这个邮箱可以收发各个班级的邮件，通过channel.queue_declare(queue='金品没')# 注意在rabbitmq中，消息想要发送给队列，必须经过交换(exchange)，初学可以使用空字符串交换(exchange='')，它允许我们精确的指定发送给哪个队列(routing_key=''),参数body值发送的数据channel.basic_publish(exchange='',                      routing_key='金品没',                      body='潘金莲又出去。。。')print("已经发送了消息")# 程序退出前，确保刷新网络缓冲以及消息发送给rabbitmq，需要关闭本次连接connection.close()

消费者.py给与ack回复

拿到消息必须给rabbitmq服务端回复ack信息，否则消息不会被删除，防止客户端出错，数据丢失

import pikacredentials = pika.PlainCredentials("s14","123")connection = pika.BlockingConnection(pika.ConnectionParameters('192.168.119.10',credentials=credentials))channel = connection.channel()# 声明一个队列(创建一个队列)channel.queue_declare(queue='金品没')def callback(ch, method, properties, body):    print("消费者接受到了任务: %r" % body.decode("utf-8"))    # int('asdfasdf')    # 我告诉rabbitmq服务端，我已经取走了消息    # 回复方式在这    ch.basic_ack(delivery_tag=method.delivery_tag)# 关闭no_ack，代表给与服务端ack回复，确认给与回复channel.basic_consume(callback,queue='金品没',no_ack=False)channel.start_consuming()

消息持久化

演示 1.执行生产者，向队列写入数据，产生一个新队列queue2.重启服务端，队列丢失 3.开启生产者数据持久化后，重启rabbitmq，队列不丢失 4.依旧可以读取数据

消息的可靠性是RabbitMQ的一大特色，那么RabbitMQ是如何保证消息可靠性的呢——消息持久化。 为了保证RabbitMQ在退出或者crash等异常情况下数据没有丢失，需要将queue，exchange和Message都持久化。

生产者.py

import pika# 无密码# connection = pika.BlockingConnection(pika.ConnectionParameters('123.206.16.61'))# 有密码credentials = pika.PlainCredentials("s14","123")connection = pika.BlockingConnection(pika.ConnectionParameters('192.168.119.10',credentials=credentials))channel = connection.channel()# 声明一个队列(创建一个队列)# 默认此队列不支持持久化，如果服务挂掉，数据丢失# durable=True 开启持久化，必须新开启一个队列，原本的队列已经不支持持久化了'''实现rabbitmq持久化条件 delivery_mode=2使用durable=True声明queue是持久化 '''channel.queue_declare(queue='LOL',durable=True)channel.basic_publish(exchange='',                      routing_key='LOL', # 消息队列名称                      body='德玛西亚万岁',                      # 支持数据持久化                      properties=pika.BasicProperties(                          delivery_mode=2,#代表消息是持久的  2                      )                      )connection.close()

​

消费者.py

​

import pikacredentials = pika.PlainCredentials("s14","123")connection = pika.BlockingConnection(pika.ConnectionParameters('192.168.119.10',credentials=credentials))channel = connection.channel()# 确保队列持久化channel.queue_declare(queue='LOL',durable=True)'''必须确保给与服务端消息回复，代表我已经消费了数据，否则数据一直持久化，不会消失'''def callback(ch, method, properties, body):    print("消费者接受到了任务: %r" % body.decode("utf-8"))    # 模拟代码报错    # int('asdfasdf')    # 此处报错，没有给予回复，保证客户端挂掉，数据不丢失       # 告诉服务端，我已经取走了数据，否则数据一直存在    ch.basic_ack(delivery_tag=method.delivery_tag)# 关闭no_ack，代表给与回复确认channel.basic_consume(callback,queue='LOL',no_ack=False)channel.start_consuming()

 

Exchange模型

rabbitmq发送消息首先是发给exchange，然后再通过exchange发送消息给队列（queue）

exchange有四种模式

fanout

exchange将消息发送给和该exchange连接的所有queue；也就是所谓的广播模式；此模式下忽略routing_key；

direct

路由模式，通过routing_key将消息发送给对应的queue; 如下面这句即可设置exchange为direct模式，只有routing_key为“black”时才将其发送到队列queue_name；channel.queue_bind(exchange=exchange_name,queue=queue_name,routing_key='black')

 

在上图中，Q1和Q2可以绑定同一个key，如绑定routing_key=‘KeySame’，那么收到routing_key为KeySame的消息时将会同时发送给Q1和Q2，退化为广播模式；

top

topic模式类似于direct模式，只是其中的routing_key变成了一个有“.”分隔的字符串，“.”将字符串分割成几个单词，每个单词代表一个条件；

headers

headers类型的Exchange不依赖于routing key与binding key的匹配规则来路由消息，而是根据发送的消息内容中的headers属性进行匹配。

官方教程：

 

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。

# fanout所有的队列放一份/给某些队列发 # 传送消息的模式 # 与exchange有关的模式都发 exchange_type = fanout

消费者_订阅.py

可以运行多次，运行多个消费者，等待消息

import pika ​ credentials = pika.PlainCredentials("root","123") connection = pika.BlockingConnection(pika.ConnectionParameters('123.206.16.61',credentials=credentials)) channel = connection.channel() ​ # exchange='m1',exchange(秘书)的名称 # exchange_type='fanout' , 秘书工作方式将消息发送给所有的队列 channel.exchange_declare(exchange='m1',exchange_type='fanout') ​ # 随机生成一个队列 result = channel.queue_declare(exclusive=True) queue_name = result.method.queue ​ # 让exchange和queque进行绑定. channel.queue_bind(exchange='m1',queue=queue_name) ​ ​ def callback(ch, method, properties, body):     print("消费者接受到了任务: %r" % body) ​ channel.basic_consume(callback,queue=queue_name,no_ack=True) ​ channel.start_consuming()

生产者_发布者.py

# -*- coding: utf-8 -*- # __author__ = "yugo" ​ ​ import pika credentials = pika.PlainCredentials("root","123") connection = pika.BlockingConnection(pika.ConnectionParameters('123.206.16.61',credentials=credentials)) channel = connection.channel() ​ # 指定exchange channel.exchange_declare(exchange='m1',exchange_type='fanout') ​ channel.basic_publish(exchange='m1',                       routing_key='',# 这里不再指定队列，由exchange分配,如果是fanout模式，每一个队列放一份                       body='haohaio') ​ connection.close() ​

实例

1.可以运行多个消费者，相当于有多个滴滴司机，等待着Exchange同一个电台发消息2.运行发布者，发送消息给Exchange，查看是否给所有的队列(滴滴司机)发送了消息

关键字发布Exchange

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。

 

消费者1.py

路由关键字是sb,alex

# -*- coding: utf-8 -*- # __author__ = "maple" import pika ​ credentials = pika.PlainCredentials("root","123") connection = pika.BlockingConnection(pika.ConnectionParameters('123.206.16.61',credentials=credentials)) channel = connection.channel() ​ # exchange='m1',exchange(秘书)的名称 # exchange_type='fanout' , 秘书工作方式将消息发送给所有的队列 channel.exchange_declare(exchange='m2',exchange_type='direct') ​ # 随机生成一个队列,队列退出时，删除这个队列 result = channel.queue_declare(exclusive=True) queue_name = result.method.queue ​ # 让exchange和queque进行绑定，只要 channel.queue_bind(exchange='m2',queue=queue_name,routing_key='alex') channel.queue_bind(exchange='m2',queue=queue_name,routing_key='sb') ​ ​ def callback(ch, method, properties, body):     print("消费者接受到了任务: %r" % body) ​ channel.basic_consume(callback,queue=queue_name,no_ack=True) ​ channel.start_consuming() ​ ​ ​

消费者2.py

路由关键字sb

# -*- coding: utf-8 -*- # __author__ = "maple" import pika ​ credentials = pika.PlainCredentials("root","123") connection = pika.BlockingConnection(pika.ConnectionParameters('123.206.16.61',credentials=credentials)) channel = connection.channel() ​ # exchange='m1',exchange(秘书)的名称 # exchange_type='fanout' , 秘书工作方式将消息发送给所有的队列 channel.exchange_declare(exchange='m2',exchange_type='direct') ​ # 随机生成一个队列 result = channel.queue_declare(exclusive=True) queue_name = result.method.queue ​ # 让exchange和queque进行绑定. channel.queue_bind(exchange='m2',queue=queue_name,routing_key='sb') ​ ​ def callback(ch, method, properties, body):     print("消费者接受到了任务: %r" % body) ​ channel.basic_consume(callback,queue=queue_name,no_ack=True) ​ channel.start_consuming()

生产者.py

发送消息给匹配的路由，sb或者alex

# -*- coding: utf-8 -*- # __author__ = "yugo" ​ ​ import pika credentials = pika.PlainCredentials("root","123") connection = pika.BlockingConnection(pika.ConnectionParameters('123.206.16.61',credentials=credentials)) channel = connection.channel() ​ # 路由模式的交换机会发送给绑定的key和routing_key匹配的队列 channel.exchange_declare(exchange='m2',exchange_type='direct') # 发送消息，给有关sb的路由关键字 channel.basic_publish(exchange='m2',                       routing_key='sb',                       body='aaaalexlaolelaodi') ​ connection.close()

RPC之远程过程调用

将一个函数运行在远程计算机上并且等待获取那里的结果，这个称作远程过程调用（Remote Procedure Call）或者 RPC。

RPC是一个计算机通信协议。

比喻

将计算机服务运行理解为厨师做饭，厨师想做一个小葱拌豆腐，厨师需要洗小葱、切豆腐、调汁、凉拌。他一个人完成所有的事，如同古老的集中式应用，一台计算机做所有的事。 ​ 制作小葱拌豆腐{
               厨师>洗小葱>切豆腐>凉拌 }

rpc应用场景

而如今，饭店做大了，有钱了，专职分工来干活，不再是厨师单打独斗，备菜师傅准备小葱、豆腐，切菜师傅切小葱、豆腐，厨师只负责调味，完成食品。 ​ 制作小葱拌豆腐{
               备菜师>洗菜     切菜师>切菜     厨师>调味 }

此时一件事好多人在做，厨师就得和其他人沟通，通知备菜、洗菜师傅的这个动作就是远程过程调用（RPC）。

这个过程在计算机系统中，一个电商的下单过程，涉及物流、支付、库存、红包等多个系统，多个系统又在多个服务器上，由不同的技术团队负责，整个下单过程，需要所有团队进行远程调用。

下单{
               库存>减少库存     支付>扣款     红包>减免红包     物流>生成订单 }

到底什么是rpc

rpc指的是在计算机A上的进程，调用另外一台计算机B的进程，A上的进程被挂起，B上的被调用进程开始执行后，产生返回值给A，A继续执行。 调用方可以通过参数将信息传递给被调用方，而后通过返回结果得到信息，这个过程对于开发人员来说是透明的。 ​ 如同厨师一样，服务员把菜单给后厨，厨师告诉洗菜人，备菜人，开始工作，完成工作后，整个过程对于服务员是透明的，他完全不用管后厨是怎么把菜做好的。

由于服务在不同的机器上，远程调用必经网络通信，调用服务必须写一坨网络通信代码，很容易出错且很复杂，因此就出现了RPC框架。

阿里巴巴的 Dubbo     java 新浪的     Motan    java 谷歌的 gRPC 多语言 Apache thrift 多语言

rpc封装了数据的序列化，反序列化，以及传输协议

 

python实现RPC

利用RabbitMQ构建一个RPC系统，包含了客户端和RPC服务器，依旧使用pika模块

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 ​ 服务器端工作流： 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 过程

1.启动rpc客户端，等待接收数据到来，来了之后就进行处理，再将结果丢进队列2.启动rpc服务端，发起请求

 

rpc_server.py

import pika import uuid class 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='192.168.119.10'))         # 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         #exclusive=True 参数是指只对首次声明它的连接可见         #exclusive=True 会在连接断开的时候，自动删除         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     # 例如这里服务端就是一个切菜师傅，菜切好了，需要传递给洗菜师傅，这个过程是发送rpc请求     def call(self, n):         # 初始化 response         self.response = None         # 生成correlation_id 关联标识，通过python的uuid库，生成全局唯一标识ID，保证时间空间唯一性         self.corr_id = str(uuid.uuid4())         # 发送RPC请求内容到RPC请求队列`s14rpc`，同时发送的还有`reply_to`和`correlation_id`         self.channel.basic_publish(exchange='',                                    routing_key='s14rpc',                                    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，丢进rpc队列，等待客户端处理完毕，给与响应 print("发送了请求sum(99)") response = fibonacci_rpc.call(99) print("得到远程结果响应%r" % response)

 

​ ​

rpc_client.py

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='192.168.119.10')) # 建立会话 channel = connection.channel() # 声明RPC请求队列 channel.queue_declare(queue='s14rpc') # 模拟一个进程，例如切菜师傅，等着洗菜师傅传递数据 def sum(n):     n+=100     return n # 对RPC请求队列中的请求进行处理 def on_request(ch, method, props, body):     print(body,type(body))     n = int(body)     print(" 正在处理sum(%s)" % n)     # 调用数据处理方法     response = sum(n)     # 将处理结果(响应)发送到回调队列     ch.basic_publish(exchange='',                      # reply_to代表回复目标                      routing_key=props.reply_to,                      # correlation_id（关联标识）：用来将RPC的响应和请求关联起来。                      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='s14rpc') print("等待接收rpc请求") #开始消费 channel.start_consuming()