RabbitMQ指南（下）

原文出处：  Listen

在上一小节中我们改进了log系统，由于使用fanout类型的exchange只能进行全局的广播，因此我们使用direct类型的exchange做了代替， 使得我们可以选择性的接收消息。尽管使用fanout exchange改进了log系统，但它仍然有限制——不能基于多个条件做路由。

Topics

在log系统中可能不只是基于不同的日志级别作订阅，也可能会基于日志的来源。你也许听过Unix下名为syslog的工具， 它把日志按照严重级别(info/warn/crit…)和设备(auth/cron/ker…)进行路由。

这会给我们许多的灵活性，也许我们只想监听’cron’中的’critical’级别的错误日志，以及所有’kern’中的日志。 为了实现这种日志系统，我们需要学习一个更复杂的topic类型的exchange。

Topic exchange

发送到topic exchange中的消息不能有一个任意的routing_key——它必须是一个使用点分隔的单词列表。单词可以是任意的， 但是通常会指定消息的一些特定。一些有效的routing key例子：”stock.usd.nyse”，”nyse.vmw”，”quick.orange.rabbit”。 routing key的长度限制为255个字节数。

binding key也必须是相同的形式。topic exchange背后的逻辑类似于direct——一条使用特定的routing key发送的消息将会被传递至所有使用与该routing key相同的binding key进行绑定的队列中。 然而，对binding key来说有两种特殊的情况：

1. *(star)可以代替任意一个单词
2. #(hash)可以代替0个或多个单词

使用一张图可以很简单地来说明：

在图中，我们将要发送被描述的动物的消息。消息的routing key将由三个单词组成(通过两个点分隔)。routing key中的第一个单词将描述速度， 第二个是颜色，第三个是物种："<speed>.<colour>.<species>"。

我们创建三个绑定：Q1使用binding key"*.orange.*"来绑定，Q2使用"*.*.rabbit"以及lazy.#绑定。

这些绑定可以被总结为：

• Q1对所有橘色的的动物感兴趣
• Q2想要接收所有关于兔子的消息以及所有关于lazy的动物的消息

一条使用routing key"quick.orange.rabbit"发送的消息将被同时传递到两个队列中。消息"lazy.orange.elephant"同样如此。 另一方面，"quick.orange.fox"只会被第一个queue接收，"lazy.brown.fox"只会被第二个queue接收。 "lazy.pink.rabbit"只会被传递到Q2一次，即使它对两个binding key都匹配。"quick.brown.fox"与两个queue的binding key都不匹配， 因此将被丢弃。

如果打破我们的约定，使用一个单词或者四个单词的routing key例如"orange"，"quick.orange.male.rabbit"发送消息将会发生什么？ 这些消息不会匹配任何绑定，因此会丢失。

但是对于"lazy.orange.male.rabbit"，即使它有四个单词，但是它与第二个queue的binding key匹配，因此将会被发送到第二个queue中。

当一个queue使用"#"(hash)作为binding key，那么它将会接收所有的消息，忽略routing key，就好像使用了fanout exchange。 当特殊字符”*“(star)和”#“(hash)在绑定中没有用到，topic exchange将会与direct exchange的行为相同。

了解了topic exchange之后，我们将它用在我们的log系统中，我们定义的routing key将会有两个单词组成："<facility>.<severity>"。

完成的EmitLogTopic.java：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

public class EmitLogTopic {        private static final String EXCHANGE_NAME = "topic_logs" ;        public static void main(String[] argv)                    throws Exception {            ConnectionFactory factory = new ConnectionFactory();          factory.setHost( "localhost" );          Connection connection = factory.newConnection();          Channel channel = connection.createChannel();            channel.exchangeDeclare(EXCHANGE_NAME, "topic" );            String routingKey = getRouting(argv);          String message = getMessage(argv);            channel.basicPublish(EXCHANGE_NAME, routingKey, null , message.getBytes());          System.out.println( " [x] Sent '" + routingKey + "':'" + message + "'" );            connection.close();      }      //... }

完整的ReceiveLogsTopic.java:

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

public class ReceiveLogsTopic {    private static final String EXCHANGE_NAME = "topic_logs" ;      public static void main(String[] argv) throws Exception {      ConnectionFactory factory = new ConnectionFactory();      factory.setHost( "localhost" );      Connection connection = factory.newConnection();      Channel channel = connection.createChannel();        channel.exchangeDeclare(EXCHANGE_NAME, "topic" );      String queueName = channel.queueDeclare().getQueue();        if (argv.length < 1 ) {        System.err.println( "Usage: ReceiveLogsTopic [binding_key]..." );        System.exit( 1 );      }        for (String bindingKey : argv) {        channel.queueBind(queueName, EXCHANGE_NAME, bindingKey);      }        System.out.println( " [*] Waiting for messages. To exit press CTRL+C" );        Consumer consumer = new DefaultConsumer(channel) {        @Override        public void handleDelivery(String consumerTag, Envelope envelope,                                   AMQP.BasicProperties properties, byte [] body) throws IOException {          String message = new String(body, "UTF-8" );          System.out.println( " [x] Received '" + envelope.getRoutingKey() + "':'" + message + "'" );        }      };      channel.basicConsume(queueName, true , consumer);    } }

运行的时候从命令行中输入binding key来进行绑定，接收不同的消息。

Remote procedure call (RPC)

在第二小节中我们学习了如何使用Work Queues来在多个workers中分发耗时的任务。但是如果我们需要调用远程计算机上的一个函数并等待结果返回呢？ 这就是另外一个故事了。这种模式通常称为远程过程调用或RPC。

在这一小节我们将使用RabbitMQ来构建一个RPC系统：一个客户端和一个可扩展的RPC服务器。由于我们没有实际的耗时任务用来分发， 因此我们将创建一个虚拟的RPC服务返回Fibonacci数。

Client interface

为了说明RPC服务是如何使用的，我们将创建一个简单的客户端类。它将暴露一个名为call的方法发送一次RPC请求并且阻塞直到结果返回：

1 2 3

FibonacciRpcClient fibonacciRpc = new FibonacciRpcClient(); String result = fibonacciRpc.call( "4" ); System.out.println( "fib(4) is " + result);

Callback queue

使用RabbitMQ来进行RPC是非常简单的。客户端发送一个请求到服务端，服务端接收后返回响应的消息。为了接收到响应的消息，我们需要在请求中发送一个callback 的queue地址。我们可以使用默认的queue(在Java的client中它是exclusive的)。

1 2 3 4 5 6 7 8 9 10

callbackQueueName = channel.queueDeclare().getQueue();   BasicProperties props = new BasicProperties                              .Builder()                              .replyTo(callbackQueueName)                              .build();   channel.basicPublish( "" , "rpc_queue" , props, message.getBytes());   // ... then code to read a response message from the callback_queue ...

Message properties

AMQP协议预定义了消息的14种属性。大部分的都很少使用，除了以下这些：

• deliveryMode：标记一条消息是持久化的(使用值2)还是非持久化的(使用其它值)。在第二节中有过介绍。
• contentType：用来描述mime类型的编码。例如使用JSON的话就这样设置属性：application/json。
• replyTo：一般用来命名一个回调queue。
• correlationId：用来关联RPC的请求和响应。

我们需要导入新的类：

1	import com.rabbitmq.client.AMQP.BasicProperties;

Correlation Id

在之前的方法中我们建议为每个RPC请求创建一个回调queue。这显得有点影响性能，幸运的是有一种更好的方式——每个客户端只创建一个回调queue。 但这产生了一个新问题，无法将相应的Response和Request对应起来。这个时候就需要用到correlationId属性。对于每个请求它都将有一个唯一的值。 当我们在回调queue中接收到消息之后，检查该属性，看是否与Request匹配。如果是一个未知的correlationId值，那么我们可以安全的忽略这条消息， 因为它不属于我们的请求。

你也许会问，为什么我们应该忽略回调queue中未知的消息而不是抛出异常？这是因为服务端可能会出现竞争条件。尽管不太常见，但是也有可能RPC server在发送响应后挂了， 并且也没有接收到客户端发送的ack。如果发生了这种情况，RPC server在重启后将会重新处理这个请求。这就是为什么在客户端我们需要优雅的处理重复的响应， RPC应该是幂等的。

Summary

我们的RPC整个过程是这样的：

1. 当客户端启动，它创建一个匿名的并且是exclusive的回调queue。
2. 在一次RPC请求中，客户端发送的消息有两个属性：replyTo，放置的是回调queue的信息。correlationId，放置的是每个请求唯一的值。
3. 请求被发送到一个rpc_queue中。
4. RPC服务端在queue的另一端等待请求。当请求到来时，它处理任务并将消息的结果发送回客户端，使用replyTo中设置的queue。
5. 客户端在回调queue中等待响应的数据，当消息出现时，它先检查correlationId属性。如果匹配的话就将结果返回到应用中。

最后来看一下完整的代码实现。

Fibonacci函数：

1 2 3 4 5

private static int fib( int n) throws Exception {      if (n == 0 ) return 0 ;      if (n == 1 ) return 1 ;      return fib(n- 1 ) + fib(n- 2 ); }

完整的RPCServer.java代码

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

private static final String RPC_QUEUE_NAME = "rpc_queue" ;   ConnectionFactory factory = new ConnectionFactory(); factory.setHost( "localhost" );   Connection connection = factory.newConnection(); Channel channel = connection.createChannel();   channel.queueDeclare(RPC_QUEUE_NAME, false , false , false , null );   channel.basicQos( 1 );   QueueingConsumer consumer = new QueueingConsumer(channel); channel.basicConsume(RPC_QUEUE_NAME, false , consumer);   System.out.println( " [x] Awaiting RPC requests" );   while ( true ) {      QueueingConsumer.Delivery delivery = consumer.nextDelivery();        BasicProperties props = delivery.getProperties();      BasicProperties replyProps = new BasicProperties                                       .Builder()                                       .correlationId(props.getCorrelationId())                                       .build();        String message = new String(delivery.getBody());      int n = Integer.parseInt(message);        System.out.println( " [.] fib(" + message + ")" );      String response = "" + fib(n);        channel.basicPublish( "" , props.getReplyTo(), replyProps, response.getBytes());        channel.basicAck(delivery.getEnvelope().getDeliveryTag(), false ); }

server端的代码非常直观：

• 首先创建一个连接、channel和声明一个queue。
• 我们也许想要运行不止一个服务端进程。为了在多个server间做到负载均衡，通过channel.basicQos设置prefetchCount。
• 我们使用basicConsume来进入queue。然后使用无限循环来等待请求的消息，处理之后再返回响应。

完整的RPCClient.java代码

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

private Connection connection; private Channel channel; private String requestQueueName = "rpc_queue" ; private String replyQueueName; private QueueingConsumer consumer;   public RPCClient() throws Exception {      ConnectionFactory factory = new ConnectionFactory();      factory.setHost( "localhost" );      connection = factory.newConnection();      channel = connection.createChannel();        replyQueueName = channel.queueDeclare().getQueue();      consumer = new QueueingConsumer(channel);      channel.basicConsume(replyQueueName, true , consumer); }   public String call(String message) throws Exception {      String response = null ;      String corrId = java.util.UUID.randomUUID().toString();        BasicProperties props = new BasicProperties                                  .Builder()                                  .correlationId(corrId)                                  .replyTo(replyQueueName)                                  .build();        channel.basicPublish( "" , requestQueueName, props, message.getBytes());        while ( true ) {          QueueingConsumer.Delivery delivery = consumer.nextDelivery();          if (delivery.getProperties().getCorrelationId().equals(corrId)) {              response = new String(delivery.getBody());              break ;          }      }        return response; }   public void close() throws Exception {      connection.close(); }

客户端代码有一点点的复杂：

• 我们创建连接和channel，以及声明一个exclusive的回调queue用来接收响应的消息。
• 订阅回调queue，这样就可以接收到RPC服务端响应的消息。
• call方法发出一个RPC请求。
• 我们首先生成一个唯一的correlationId数字并且保存它——在while循环中使用它来匹配相应的response。
• 下一步，发送请求的消息，使用两个属性：replyTo和correlationId。
• 之后就是等待响应的消息返回。
• 在while循环中做了一些简单的工作，检查响应的消息的correlationId是否与Request相匹配。如果是的话，则保存响应。
• 最终向用户返回响应。

发送客户端请求：

1 2 3 4 5 6 7

RPCClient fibonacciRpc = new RPCClient();   System.out.println( " [x] Requesting fib(30)" ); String response = fibonacciRpc.call( "30" ); System.out.println( " [.] Got '" + response + "'" );   fibonacciRpc.close();

这样就通过RabbitMQ简单的实现了RPC的通信。

from: http://www.importnew.com/24329.html