RabbitMQ-消息队列 学习

什么是消息队列（MQ）

MQ全称为Message Queue 消息队列是一种应用程序对应用程序的通信方式（进程间通信）。MQ是消费-生产者模型的一个典型代表，一端往消息队列中不断写入消息，而另一端则可以读取队列中的消息。 它是脱离语言而存在的，php、Java、c++等语言都能够操作消息队列。

队列

队列是一种先入先出(FIFO)的数据结构

为什么要用消息队列

消息队列是分布式系统中重要的组件，主要解决应用解耦、异步消息、流量削峰等问题，实现高性能、高可用、可伸缩和最终一致性框架。目前使用较多的消息队列有ActiveMQ、RabbitMQ、ZeroMQ、Kafka、MetaMQ、RocketMQ。

RabbitMQ

RabbitMQ是一个由Erlang语言开发的AMQP的开源实现。 rabbitMQ是一款基于AMQP协议的中间件，它能够在应用之间提供可靠的消息传输。可以理解它是一个软件。

Windows开发必须先安装一下Erlang，就像玩《我的世界》需要安装java一样。

思路梳理：整套工作流程需要 生产者、RabbitMQ、消费者。RabbitMQ作为中间件，充当两者交流的桥梁，生产者发出消息而后消费者监听到消息并拿出来消费。

RabbitMQ的工作模型

在启动RabbitMQ的前提下执行代码

1. 简单模式（只有一个消费者）

示意图：

生产者：

1. 连接RabbitMQ
2. 创建队列
3. 向指定的队列插入数据

用python打比方：

python

代码解读

复制代码

# 1.连接RabbitMQ # 拿到 “连接对象” connection = xxx('localhost',5762,'guest','guest') #省略连接代码，不同语言找文档即可 channel = connection.channel() #拿到 “频道对象”，用它对RabbitMQ进行相关的控制 # 2.创建队列 channel.quere_declare(queue='queue_name') #指定队列的名称（唯一） # 3.向指定的队列插入数据 channel.basic_publish( exchange='', #交换机参数，简单模式不用填 routing_key='queue_name', #指定队列 body='Hello World!' #数据 ) connection.close() #关闭连接

消费者：

1. 连接RabbitMQ
2. 监听队列
3. 确定回调函数

用python打比方：

python

代码解读

复制代码

# 1.连接RabbitMQ connection = xxx('localhost',5762,'guest','guest') #省略连接代码，不同语言找文档即可 channel = connection.channel() #拿到 “频道对象” # 2.创建队列 ！！ 不一定是生产者先运行，所以消费者也需要有创建队列的代码， # 如果该队列已创建，RabbitMQ会无视 channel.quere_declare(queue='queue_name') # 3.声明回调函数 def callback(ch,method,properties,body): print("[x] Received %r" % body) # 确定监听队列 （先确定了但还未真正监听，具体会根据不同语言不同库有不同表现，注意看文档） channel.basic_consume( queue = 'queue_name', auto_ack = True, #/默认应答（自动应答） on_message_callback = callback #绑定回调函数 ) # 开始消费 （真正开始监听，持续监听等待数据） channel.start_consuming()

参数使用

1. 应答参数：

主要区别在消费者。默认应答的模式为 当消费者取走队列中的数据后默认告诉RabbitMQ这个消息已经结束，但是万一在这个过程中出现了bug，那么数据就会丢失。因此开启手动应答：当消费者从队列中取出数据时，数据不会被删除，只有当程序在callback中的逻辑处理完全之后，再进行应答告诉RabbitMQ这个消息已结束，此时才会删除队列中的数据。

python

代码解读

复制代码

# 声明回调函数（手动应答） def callback(ch,method,properties,body): print("[x] Received %r" % body) ch.basic_ack(delivery_tag=method.delivery_tag) # 我目前看了三种语言都用ack做为应答 # 确定监听队列 channel.basic_consume( queue = 'queue_name', auto_ack = False, #True为默认应答（自动应答），False为手动应答 on_message_callback = callback )

1. 持久化参数：

当队列中有数据未被处理，而此时服务器崩了，那么原本存在服务器内存中的（队列中的）数据就会消失掉。为了防止因服务器崩塌而导致的数据丢失问题，我们需要将数据持久化（存到磁盘中）。

需要在创建队列时赋予它代表持久化的参数。

python

代码解读

复制代码

# 创建可持久化队列 <若队列已被声明过，无法再变更为持久模式，必须重新命名> # 消费者那边声明的队列也必须加durable=True，才能接收到持久化的数据 channel.quere_declare(queue='queue_name_durable',durable=True) # 向可持久化队列 插入 可持久化数据<是可以插入不持久化数据的> channel.basic_publish( exchange='', routing_key='queue_name_durable', body='Hello World!'， properties=pika.BasicProperties( #python的pika库的写法 delivery_mode = 2 #将属性delivery_mode设置为2则代表这条数据为可持久化 ) )

2. 交换机模式（可以有多个消费者）

示意图：

生产者：

1. 连接RabbitMQ
2. 创建交换机
3. 向指定的交换机插入数据

消费者：

1. 连接RabbitMQ
2. 创建队列（消费者必须自己创建队列，因为生产者不会创建了）
3. 让队列绑定一个指定的交换机（绑定动作很重要）
4. 确定回调函数

当生产者向交换机发送消息时，只要绑定了该交换机的队列都会拿到数据（人手一份）。

2.1 发布订阅模式

python

代码解读

复制代码

#生产者 # 1. 连接RabbitMQ connection = xxx('localhost',5762,'guest','guest') #省略连接代码，不同语言找文档即可 channel = connection.channel() #拿到 “频道对象” # 2. 创建交换机 指定交换机的名称（唯一），exchange_type='fanout' 为发布订阅模式 channel.exchange_declare( queue='exchange_name', exchange_type='fanout' ) # 3. 向指定的队列插入数据 channel.basic_publish( exchange='exchange_name', #交换机参数，填交换机名称 routing_key='', #不需要指定队列，所以这个为空，后续会有其他作用 body='Hello World!' #数据 ) connection.close() #关闭连接

python

代码解读

复制代码

#消费者 # 1. 连接RabbitMQ connection = xxx('localhost',5762,'guest','guest') #省略连接代码，不同语言找文档即可 channel = connection.channel() #拿到 “频道对象” # 创建交换机 ！！ 由于无法确定一定是生产者先启动，所以消费者也需要有创建交换机 # 的代码，内容需要与生产者一致，若已创建RabbitMQ会直接无视这代码 不用怕重复创建 channel.exchange_declare( queue='exchange_name', exchange_type='fanout' ) # 2. 创建队列 下方第一个参数为队列名，我们置空，将exclusive设为True # 系统就会自动给一个随机且唯一的名字，并且在返回值中可以拿到 result = channel.queue_declare("",exclusive=True) queue_name = result.method.queue #拿到系统生成的队列名 # 3. 将队列绑定到交换机 channel.queue_bind(exchange='exchange_name',queue=queue_name) # 4. 声明回调函数 def callback(ch,method,properties,body): print("[x] Received %r" % body) # 确定监听队列 （先确定了但还未真正监听，具体会根据不同语言不同库有不同表现，注意看文档） channel.basic_consume( queue = queue_name, auto_ack = True, #默认应答（自动应答） on_message_callback = callback #绑定回调函数 ) # 开始消费 （真正开始监听，持续监听等待数据） channel.start_consuming()

2.2 关键字模式

有一些情况，生产者插入到交换机的消息，并不一定是所有队列都需要的，可能指向让其中某几个消费者去消费。 那么需要在队列绑定交换机的时候加上关键字，生产者发送消息的时候也带上关键字，就可以做到专门队列处理专门消息。

例如在“日志”中会常用来分类。

python

代码解读

复制代码

# 生产者 与发布订阅模式的区别 # 创建交换机 exchange_type='direct' 为关键字模式 channel.exchange_declare( queue='direct_exchange_name', exchange_type='direct' ) # 向指定的队列插入数据 channel.basic_publish( exchange='direct_exchange_name', #交换机参数，填交换机名称 routing_key='key1', #用于指定“关键字”，那么绑定了关键字key1的消费者可以收到消息 body='Hello World!' #数据 )

python

代码解读

复制代码

# 消费者 与发布订阅模式的区别 # 创建交换机 exchange_type='direct' 为关键字模式 channel.exchange_declare( queue='direct_exchange_name', exchange_type='direct' ) # 将指定队列绑定到交换机上 关键字需要加一个字段routing_key channel.queue_bind(exchange='direct_exchange_name',queue=queue_name,routing_key='key1') # 如果想绑定多个关键字，需要多写几次 一般用for循环做，这里直接演示 channel.queue_bind(exchange='direct_exchange_name',queue=queue_name,routing_key='key2') channel.queue_bind(exchange='direct_exchange_name',queue=queue_name,routing_key='key3')

2.3 通配符(模糊匹配)模式

关键字模式我们可以理解为，精准匹配模式，也就是生产者和消费者的关键字必须是完全一致才可以匹配到消息。如果我们需要进行模糊匹配可以使用通配符：

这种交换机我们也叫“通配符交换机”(Topic Exchange)，在这里只有两种符号，符号“#”可匹配一个或多个词、符号“*”仅匹配一个词。可以进行大分类。

python

代码解读

复制代码

# 生产者 # 创建交换机 exchange_type='topic' 为通配符模式 channel.exchange_declare( queue='topic_exchange_name', exchange_type='topic' ) # 向指定的队列插入数据 channel.basic_publish( exchange='topic_exchange_name', #交换机参数，填交换机名称 routing_key='key666', #用于指定“关键字”，那么绑定了关键字key1的消费者可以收到消息 body='Hello World666!' #数据 )

python

代码解读

复制代码

# 消费者 # 创建交换机 exchange_type='topic' 为通配符模式 channel.exchange_declare( queue='topic_exchange_name', exchange_type='topic' ) # 将指定队列绑定到交换机上 模糊匹配的routing_key key# 就可以模糊匹配key1 key2等 channel.queue_bind(exchange='topic_exchange_name',queue=queue_name,routing_key='key#')