RabbitMQ是一款基於MQ的伺服器,Python可以透過Pika庫來進行程式操控,這裡我們將來詳解Python操作RabbitMQ伺服器訊息佇列的遠端結果回傳:
先說一下筆者這裡的測試環境：Ubuntu14.04 + Python 2.7.4
RabbitMQ伺服器
sudo apt-get install rabbitmq-server
登入後複製
##Python使用RabbitMQ需要Pika函式庫
sudo pip install pika
登入後複製
遠端結果回傳
訊息發送端發送訊息出去後沒有結果回傳。如果只是單純發送訊息，當然沒有問題了，但是在實際中，常常會需要接收端將收到的訊息進行處理之後，返回給發送端。
處理方法描述：發送端在發送訊息前，產生一個接收訊息的臨時佇列，該佇列用來接收傳回的結果。其實在這裡接收端、發送端的概念已經比較模糊了，因為發送端也同樣要接收訊息，接收端同樣也要發送訊息，所以這裡筆者使用另外的範例來示範這一過程。
範例內容：假設有一個控制中心和一個運算節點，控制中心會將一個自然數N傳送給運算節點，計算節點將N值加1後，回傳給控制中心。這裡用center.py模擬控制中心，compute.py模擬計算節點。
compute.py程式碼分析
#!/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()登入後複製
#計算節點的程式碼比較簡單，值得一提的是，原本的接收方法都是直接將訊息列印出來，這邊進行了加一的計算，並將結果傳回控制中心。
center.py程式碼分析
#!/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,)登入後複製
#上例程式碼定義了接收回傳資料的佇列和處理方法，並且在傳送請求的時候將該佇列賦值給reply_to，在計算節點程式碼中就是透過這個參數來取得回傳佇列的。
開啟兩個終端，一個運行程式碼python compute.py，另外一個終端運行center.py，如果執行成功，應該就能看到效果了。
筆者在測試的時候，出了些小問題，就是在center.py發送訊息時沒有指明返回隊列，結果compute.py那邊在計算完結果要發回數據時報錯，提示routing_key不存在，再次運行也報錯。用rabbitmqctl list_queues查看佇列，發現compute_queue佇列有1個數據，每次重新執行compute.py的時候，都會重新處理這條資料。後來使用/etc/init.d/rabbitmq-server restart重新啟動下rabbitmq就ok了。
相互關聯編號correlation id
上一次示範了遠端結果回傳的範例，但有一個沒有提到，就是correlation id，這個是個什麼東東呢？
假設有多個計算節點，控制中心開啟多個線程，往這些計算節點發送數字，要求計算結果並返回，但是控制中心只開啟了一個隊列，所有線程都是從這個隊列裡取得訊息，每個執行緒如何確定收到的訊息就是該執行緒對應的呢？這個就是correlation id的用處了。 correlation翻譯成中文就是相互關聯，也表達了這個意思。
correlation id運作原理：控制中心發送計算請求時設定correlation id，而後計算節點將計算結果，連同接收到的correlation id一起返回，這樣控制中心就能透過correlation id來識別請求。其實correlation id也可以理解為請求的唯一識別碼。
範例內容：控制中心開啟多個線程，每個線程都發起一次計算請求，透過correlation id，每個線程都能準確收到對應的計算結果。
compute.py程式碼分析
和上面一篇相比，只需修改一個地方：將計算結果傳回控制中心時，增加參數correlation_id的設定，該參數的值其實是從控制中心發送過來的，這裡只是再次發送回去。程式碼如下：
#!/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()登入後複製
center.py程式碼分析
控制中心程式碼稍微複雜些，其中比較關鍵的有三個地方：
使用python的uuid來產生唯一的correlation_id。
發送計算請求時，設定參數correlation_id。
定義一個字典來保存傳回的數據，並且鍵值為對應執行緒產生的correlation_id。
程式碼如下：
#!/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()登入後複製
筆者開啟了兩個終端，來運行compute.py，開啟一個終端來運行center.py，最後結果輸出截圖如下：
可以看到雖然取得的結果不是順序輸出，但結果和來源資料都是對應的。
這邊範例的做法就是建立一個佇列，使用correlation id來識別每次要求。也有做法可以不使用correlation id，就是每請求一次，就創建一個臨時隊列，不過這樣太消耗性能了，官方也不建議這麼做。
更多Python操作RabbitMQ伺服器訊息佇列的遠端結果回傳相關文章請關注PHP中文網！
