Python介绍RabbitMQ使用篇二WorkQueue
1. RabbitMQ WorkQueue基本工作模式介绍
上一篇我们使用C#语言讲解了单个消费者从消息队列中处理消息的模型，这一篇我们使用Python语言来讲解多个消费者同时工作从一个Queue处理消息的模型。
工作队列（又称：任务队列——Task Queues）是为了避免等待一些占用大量资源、时间的操作。当我们把任务（Task）当作消息发送到队列中，一个运行在后台的工作者（worker）进程就会取出任务然后处理。当你运行多个工作者（workers），任务就会在它们之间共享。这个概念在网络应用中是非常有用的，它可以在短暂的HTTP请求中处理一些复杂的任务，我么可以将耗时的请求放在任务队列，然后立马返回响应，接下来由多个worker去处理复杂的业务操作。（这种架构叫做”分布式异步队列”，有时候用来方式D-DOS攻击，12306网站就是采用这种模式）
用Python操作Python模块首先要到如pika这个包，利用pip install pika去安装。
我们首先写一个new_task.py用来向任务队列中写入任务，已备用。
import pika import sys with pika.BlockingConnection(pika.connection.ConnectionParameters(host="localhost")) as connection: channel = connection.channel() channel.queue_declare(queue = "hello") for index in range(0,10): channel.basic_publish(exchange="", routing_key="hello", body="["+str(index)+"]" + "Hello World") connection.close()
接下来编写works.py程序，我们需要在works.py中创建消费者，让消费者从任务队列中提取任务去执行。
import pika import sys import time connection = pika.BlockingConnection(pika.connection.ConnectionParameters(host="localhost")) channel = connection.channel() channel.queue_declare(queue = "hello") channel.basic_ack() def callback(ch, method, properties, body): print(" [x] Received %r" % (body.decode(\'utf-8\'),)) time.sleep(3) # 我们在这里利用线程休息来模拟一个比较耗时的任务处理 print(" [x] Done") channel.basic_consume(callback, queue=\'hello\', no_ack= True) # 我们把no_ack标记为true用来屏蔽消息确认 channel.start_consuming() connection.close()
在callback函数中让当前线程休息5秒用来模拟一个耗时的任务。
接下来首先打开两个Terminal窗口同时去运行works.py程序，然后运行new_task.py程序来查看效果。注意：在这里为了说明多个work能够同时分享任务队列中的队列，我们一定要先运行works.py，后运行new_task.py程序。具体原因后面在说明。
默认来说，RabbitMQ会按顺序得把消息发送给两个消费者（consumer），平均每个消费者都会收到同等数量得消息，这种发送消息的方式叫做——轮询（round-robin）。这样做的好处就是我们在处理相同数量的task所用的时间成倍的减少了。work越多，我们处理任务队列所用的时间就越少，这在高并发系统中会非常有用。
2.消息确认
当前的代码中，当消息被RabbitMQ发送给消费者（consumers）之后，马上就会在内存中移除。这种情况之下，假如其中一个工作者挂掉了，那么它正在处理的消息就会丢失，并且与此同时，后面所有发送到这个工作者的还没来得及处理的消息也都会丢失。这显然不是我们想看到的结果。我们不想丢失任何消息，如果一个工作者（worker）挂掉了，我们希望任务会重新发送给其他的工作者（worker）。
为了防止消息丢失，RabbitMQ提供了消息响应（acknowledgments）。消费者会通过一个ack（响应），告诉RabbitMQ已经收到并处理了某条消息，然后RabbitMQ才会释放并删除这条消息，而不是这条消息一发送出去马上就从内存中删除。
如果消费者（consumer）挂掉了，没有发送响应，RabbitMQ就会认为消息没有被完全处理，然后重新发送给其他消费者（consumer）。这样，及时工作者（workers）偶尔的挂掉，也不会丢失消息。消息是没有超时这个概念的；当工作者与它断开连的时候，RabbitMQ会重新发送消息。这样在处理一个耗时非常长的消息任务的时候就不会出问题了。消息响应默认是开启的。之前的例子中我们可以使用no_ack=True标识把它关闭。接下来我们移除这个标识，当工作者（worker）完成了任务，就发送一个响应。
对我们的workers.py稍微进行一下改动:
1 import pika 2 import sys 3 import time 4 5 connection = pika.BlockingConnection(pika.connection.ConnectionParameters(host="localhost")) 6 channel = connection.channel() 7 channel.queue_declare(queue = "hello") 8 channel.basic_ack() 9 10 def callback(ch, method, properties, body): 11 print(" [x] Received %r" % (body.decode(\'utf-8\'),)) 12 time.sleep(3) 13 print(" [x] Done") 14 ch.basic_ack(delivery_tag = method.delivery_tag) # 2. channel.basic_ack()方法用来执行消息确认操作 15 16 channel.basic_consume(callback, 17 queue=\'hello\', 18 no_ack= False) # 1. no_ack告诉RabbitMQ开启消息确认机制，也就是说消息需要被确认 19 20 channel.start_consuming() 21 connection.close()
先开启两个Terinmal窗口执行workers.py然后执行new_task.py，当执行一半是利用ctrl+c关掉其中一个worker。可以看到RabbitMQ将已经关掉的worker的没来得及处理的消息，再一次发给worker2。以此保证消息不会丢失。
一定一定不要忘记消息确认
在回调方法中一定要记得调用channel.basic_ack()方法用来确认消息。原因很容易理解，消息如果不确认，任务就算是被callback函数处理成功了，RabbitMQ在内存中也不会删除这条任务，这条任务还会停留在内存中。这样无疑会带来一个比较大的bug。
3.消息持久化
RabbittMQ如果意外崩溃的话，就会丢失所有的“队列”和“消息”。因此为了确保信息不会丢失，有两个事情是需要注意的：我们必须把“队列”和“消息”设为持久化。下面的代码分别演示了如何进行队列持久化和消息持久化。
1 import pika 2 import sys 3 4 5 with pika.BlockingConnection(pika.connection.ConnectionParameters(host="localhost")) as connection: 6 channel = connection.channel() 7 channel.queue_declare(queue = "hello",durable=True) # 1.Queue持久化 8 for index in range(0,10): 9 channel.basic_publish(exchange="", 10 routing_key="hello", 11 body="["+str(index)+"]" + "Hello World", 12 properties= pika.BasicProperties( # 2.消息持久化 13 delivery_mode= 2 14 )) 15 connection.close()
View Code
4.公平调度/多劳多得
在实际生产中我们不一定所有的任务处理时都消耗同样多的时间，有的任务需要更长的时间，有的任务需要比较少的时间。这样就造成有的工作者比较繁忙，有的工作者比较轻松。然而RabbitMQ并不知道这些，它仍然一如既往的派发消息。这样无疑会造成资源的浪费。
这时因为RabbitMQ只管分发进入队列的消息，不会关心有多少消费者（consumer）没有作出响应。它盲目的把第n-th条消息发给第n-th个消费者。
我们可以使用basic.qos方法，并设置prefetch_count=1。这样是告诉RabbitMQ，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）。这样能保证消息是一个一个发出去的，并且是一个处理完成了再发另一个，而不是一次性全部发分出去了。这样尽可能的保证了每个worker的工作时间相同（公平调度），并且在相同时间执行效率高的worker会分享到更多的消息（多劳多得）。
channe.basic_qos(prefetch_count=1)
当然，如果所有的worker都长时间处于繁忙状态，没有时间接收下一条消息，那么任务队列就有可能满了。我们可以增加worker的数量，或者想其他办法。
代码整合
1 import pika 2 import sys 3 4 5 with pika.BlockingConnection(pika.connection.ConnectionParameters(host="localhost")) as connection: 6 channel = connection.channel() 7 channel.queue_declare(queue = "hello",durable = True) # 1.Queue持久化 8 for index in range(0,10): 9 channel.basic_publish(exchange="", 10 routing_key="hello", 11 body="["+str(index)+"]" + "Hello World", 12 properties= pika.BasicProperties( # 2.消息持久化 13 delivery_mode= 2 14 )) 15 connection.close()
new_task.py
1 import pika 2 import sys 3 import time 4 5 connection = pika.BlockingConnection(pika.connection.ConnectionParameters(host="localhost")) 6 channel = connection.channel() 7 channel.queue_declare(queue = "hello",durable = True) # 队列持久化 8 9 def callback(ch, method, properties, body): 10 print(" [x] Received %r" % (body.decode(\'utf-8\'),)) 11 time.sleep(5) 12 print(" [x] Done----%r" % time.strftime("%Y-%m-%d %X",time.localtime())) 13 ch.basic_ack(delivery_tag = method.delivery_tag) 14 15 channel.basic_qos(prefetch_count = 1) # 用来告诉每个worker一次只能接受一条消息 16 channel.basic_consume(callback, 17 queue=\'hello\', 18 no_ack = False) 19 channel.start_consuming() 20 connection.close()
workers_busy
1 import pika 2 import sys 3 import time 4 5 connection = pika.BlockingConnection(pika.connection.ConnectionParameters(host="localhost")) 6 channel = connection.channel() 7 channel.queue_declare(queue = "hello") 8 9 def callback(ch, method, properties, body): 10 print(" [x] Received %r" % (body.decode(\'utf-8\'),)) 11 time.sleep(1) 12 print(" [x] Done----%r" % time.strftime("%Y-%m-%d %X",time.localtime())) 13 ch.basic_ack(delivery_tag = method.delivery_tag) 14 15 channel.basic_qos(prefetch_count = 1) 16 channel.basic_consume(callback, 17 queue=\'hello\', 18 no_ack = False) 19 channel.start_consuming() 20 connection.close()
workers_relax.py