个人中心
gpt4 book ai didi

详解Python操作RabbitMQ服务器消息队列的远程结果返回

转载 作者：qq735679552 更新时间：2022-09-29 22:32:09 28 4
gpt4 key购买 nike

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章详解Python操作RabbitMQ服务器消息队列的远程结果返回由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

先说一下笔者这里的测试环境：Ubuntu14.04 + Python 2.7.4 RabbitMQ服务器 。

?
1
sudo apt-get install rabbitmq-server

Python使用RabbitMQ需要Pika库 。

?
1
sudo pip install pika

远程结果返回 消息发送端发送消息出去后没有结果返回。如果只是单纯发送消息，当然没有问题了，但是在实际中，常常会需要接收端将收到的消息进行处理之后，返回给发送端.

处理方法描述：发送端在发送信息前，产生一个接收消息的临时队列，该队列用来接收返回的结果。其实在这里接收端、发送端的概念已经比较模糊了，因为发送端也同样要接收消息，接收端同样也要发送消息，所以这里笔者使用另外的示例来演示这一过程.

示例内容：假设有一个控制中心和一个计算节点，控制中心会将一个自然数N发送给计算节点，计算节点将N值加1后，返回给控制中心。这里用center.py模拟控制中心，compute.py模拟计算节点.

compute.py代码分析 。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
#!/usr/bin/env python
#coding=utf8
import pika
 
#连接rabbitmq服务器
connection = pika.BlockingConnection(pika.ConnectionParameters(
     host = 'localhost' ))
channel = connection.channel()
 
#定义队列
channel.queue_declare(queue = 'compute_queue' )
print ' [*] Waiting for n'
 
#将n值加1
def increase(n):
   return n + 1
 
#定义接收到消息的处理方法
def request(ch, method, properties, body):
   print " [.] increase(%s)" % (body,)
 
   response = increase( int (body))
 
   #将计算结果发送回控制中心
   ch.basic_publish(exchange = '',
            routing_key = properties.reply_to,
            body = str (response))
   ch.basic_ack(delivery_tag = method.delivery_tag)
 
channel.basic_qos(prefetch_count = 1 )
channel.basic_consume(request, queue = 'compute_queue' )
 
channel.start_consuming()

计算节点的代码比较简单，值得一提的是，原来的接收方法都是直接将消息打印出来，这边进行了加一的计算，并将结果发送回控制中心.

center.py代码分析 。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
#!/usr/bin/env python
#coding=utf8
import pika
 
class Center( object ):
   def __init__( self ):
     self .connection = pika.BlockingConnection(pika.ConnectionParameters(
         host = 'localhost' ))
 
     self .channel = self .connection.channel()
     
     #定义接收返回消息的队列
     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)
 
   #定义接收到返回消息的处理方法
   def on_response( self , ch, method, props, body):
     self .response = body
   
   
   def request( self , n):
     self .response = None
     #发送计算请求，并声明返回队列
     self .channel.basic_publish(exchange = '',
                   routing_key = 'compute_queue' ,
                   properties = pika.BasicProperties(
                      reply_to = self .callback_queue,
                      ),
                   body = str (n))
     #接收返回的数据
     while self .response is None :
       self .connection.process_data_events()
     return int ( self .response)
 
center = Center()
 
print " [x] Requesting increase(30)"
response = center.request( 30 )
print " [.] Got %r" % (response,)

上例代码定义了接收返回数据的队列和处理方法，并且在发送请求的时候将该队列赋值给reply_to，在计算节点代码中就是通过这个参数来获取返回队列的.

打开两个终端，一个运行代码python compute.py，另外一个终端运行center.py，如果执行成功，应该就能看到效果了.

笔者在测试的时候，出了些小问题，就是在center.py发送消息时没有指明返回队列，结果compute.py那边在计算完结果要发回数据时报错，提示routing_key不存在，再次运行也报错。用rabbitmqctl list_queues查看队列，发现compute_queue队列有1条数据，每次重新运行compute.py的时候，都会重新处理这条数据。后来使用/etc/init.d/rabbitmq-server restart重新启动下rabbitmq就ok了.

相互关联编号correlation id 上一遍演示了远程结果返回的示例，但是有一个没有提到，就是correlation id，这个是个什么东东呢?

假设有多个计算节点，控制中心开启多个线程，往这些计算节点发送数字，要求计算结果并返回，但是控制中心只开启了一个队列，所有线程都是从这个队列里获取消息，每个线程如何确定收到的消息就是该线程对应的呢？这个就是correlation id的用处了。correlation翻译成中文就是相互关联，也表达了这个意思.

correlation id运行原理：控制中心发送计算请求时设置correlation id，而后计算节点将计算结果，连同接收到的correlation id一起返回，这样控制中心就能通过correlation id来标识请求。其实correlation id也可以理解为请求的唯一标识码.

示例内容：控制中心开启多个线程，每个线程都发起一次计算请求，通过correlation id，每个线程都能准确收到相应的计算结果.

compute.py代码分析 。

和上面一篇相比，只需修改一个地方：将计算结果发送回控制中心时，增加参数correlation_id的设定，该参数的值其实是从控制中心发送过来的，这里只是再次发送回去。代码如下:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
#!/usr/bin/env python
#coding=utf8
import pika
 
#连接rabbitmq服务器
connection = pika.BlockingConnection(pika.ConnectionParameters(
     host = 'localhost' ))
channel = connection.channel()
 
#定义队列
channel.queue_declare(queue = 'compute_queue' )
print ' [*] Waiting for n'
 
#将n值加1
def increase(n):
   return n + 1
 
#定义接收到消息的处理方法
def request(ch, method, props, body):
   print " [.] increase(%s)" % (body,)
 
   response = increase( int (body))
 
   #将计算结果发送回控制中心，增加correlation_id的设定
   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(request, queue = 'compute_queue' )
 
channel.start_consuming()

center.py代码分析 。

控制中心代码稍微复杂些，其中比较关键的有三个地方:

使用python的uuid来产生唯一的correlation_id。 发送计算请求时，设定参数correlation_id。 定义一个字典来保存返回的数据，并且键值为相应线程产生的correlation_id。 代码如下:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
#!/usr/bin/env python
#coding=utf8
import pika, threading, uuid
 
#自定义线程类，继承threading.Thread
class MyThread(threading.Thread):
   def __init__( self , func, num):
     super (MyThread, self ).__init__()
     self .func = func
     self .num = num
 
   def run( self ):
     print " [x] Requesting increase(%d)" % self .num
     response = self .func( self .num)
     print " [.] increase(%d)=%d" % ( self .num, response)
 
#控制中心类
class Center( object ):
   def __init__( self ):
     self .connection = pika.BlockingConnection(pika.ConnectionParameters(
         host = 'localhost' ))
 
     self .channel = self .connection.channel()
 
     #定义接收返回消息的队列
     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)
 
     #返回的结果都会存储在该字典里
     self .response = {}
 
   #定义接收到返回消息的处理方法
   def on_response( self , ch, method, props, body):
     self .response[props.correlation_id] = body
 
   def request( self , n):
     corr_id = str (uuid.uuid4())
     self .response[corr_id] = None
 
     #发送计算请求，并设定返回队列和correlation_id
     self .channel.basic_publish(exchange = '',
                   routing_key = 'compute_queue' ,
                   properties = pika.BasicProperties(
                      reply_to = self .callback_queue,
                      correlation_id = corr_id,
                      ),
                   body = str (n))
     #接收返回的数据
     while self .response[corr_id] is None :
       self .connection.process_data_events()
     return int ( self .response[corr_id])
 
center = Center()
#发起5次计算请求
nums = [ 10 , 20 , 30 , 40 , 50 ]
threads = []
for num in nums:
   threads.append(MyThread(center.request, num))
for thread in threads:
   thread.start()
for thread in threads:
   thread.join()

笔者开启了两个终端，来运行compute.py，开启一个终端来运行center.py，最后结果输出截图如下:

详解Python操作RabbitMQ服务器消息队列的远程结果返回

可以看到虽然获取的结果不是顺序输出，但是结果和源数据都是对应的.

这边示例的做法就是创建一个队列，使用correlation id来标识每次请求。也有做法可以不使用correlation id，就是每请求一次，就创建一个临时队列，不过这样太消耗性能了，官方也不推荐这么做.

最后此篇关于详解Python操作RabbitMQ服务器消息队列的远程结果返回的文章就讲到这里了,如果你想了解更多关于详解Python操作RabbitMQ服务器消息队列的远程结果返回的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

28 4 0
文章推荐： python中set常用操作汇总
文章推荐： 浅谈python中set使用
文章推荐： Python操作RabbitMQ服务器实现消息队列的路由功能
文章推荐： Python通过RabbitMQ服务器实现交换机功能的实例教程
qq735679552
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
全站热门文章
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com