Python-11-RabbitMQ、Redis使用

96818

RabbitMQ
　　RabbitMQ是一个在AMQP基础上完整的，可复用的企业消息系统。他遵循Mozilla Public License开源协议。
　　MQ全称为Message Queue, 消息队列（MQ）是一种应用程序对应用程序的通信方法。应用程序通过读写出入队列的消息（针对应用程序的数据）来通信，而无需专用连接来链接它们。消 息传递指的是程序之间通过在消息中发送数据进行通信，而不是通过直接调用彼此来通信，直接调用通常是用于诸如远程过程调用的技术。排队指的是应用程序通过 队列来通信。队列的使用除去了接收和发送应用程序同时执行的要求。
　　RabbitMQ安装文档请点击这里

安装API
　　

pip install pika　　
or
　　
easy_install pika
　　
or
　　
源码
　　
https://pypi.python.org/pypi/pika
　　

使用API操作RabbitMQ
　　RabbitMQ 6种工作模式官方介绍

实现最简单的队列通信

　　上图中，红色的是Queue，这两者都在 Server 端，又称作 Broker ，由rabbitMQ负责维护。左边的P是生产者，右边的C是消费者，它们通常由应用端自己创建，可以使用任何编程语言。
　　名词解释：

• P：Producer，数据的发送方。
  
• C：Consumer，数据的接收方。
  
• Exchange：消息交换机，它指定消息按什么规则，路由到哪个队列。
  
• Queue：消息队列载体，每个消息都会被投入到一个或多个队列。
  
• Binding：绑定，它的作用就是把exchange和queue按照路由规则绑定起来。
  
• Routing Key：路由关键字，exchange根据这个关键字进行消息投递。
  
• vhost：虚拟主机，一个broker里可以开设多个vhost，用作不同用户的权限分离。
  
• channel：消息通道，在客户端的每个连接里，可建立多个channel，每个channel代表一个会话任务。
  

　　RabbitMQ的使用流程概括如下：

• 生产者连接到消息队列服务器，打开一个channel。
  
• 生产者声明一个exchange，并设置相关属性。
  
• 生产者声明一个queue，并设置相关属性。
  
• 生产者使用routing key，在exchange和queue之间建立好绑定关系。
  
• 生产者投递消息到exchange。exchange接收到消息后，就根据消息的key和已经设置的binding，进行消息路由，将消息投递到一个或多个队列里。
  
• 消费者的流程基本上前四步与生产者一样，只是最后通过消息队列获取消息。
  

　　Send端
#! /usr/bin/env python　　
# -*- coding: utf-8 -*-
　　

　　
import pika
　　

　　
# 建立链接
　　
connection = pika.BlockingConnection(pika.ConnectionParameters('localhost'))
　　

　　
# 实例化链接
　　
channel = connection.channel()
　　

　　
# 声明queue
　　
channel.queue_declare(queue='hello')
　　

　　
# n RabbitMQ a message can never be sent directly to the queue, it always needs to go through an exchange.
　　
# RabbitMQ的消息并不能直接发送到队列，它需要经过交换机的分发。
　　
channel.basic_publish(exchange='',  # 默认为direct
　　routing_key='hello',  # 告诉exchange发送的消息要送到哪一个queue
　　body='Hello World!')
　　
print(" [x] Sent 'Hello World!'")
　　
connection.close()
　　Receive端
#! /usr/bin/env python　　
# -*- coding: utf-8 -*-
　　

　　
import pika
　　

　　
connection = pika.BlockingConnection(pika.ConnectionParameters('localhost'))
　　

　　
channel = connection.channel()  # 创建一个频道
　　

　　

　　
# You may ask why we declare the queue again ‒ we have already declared it in our previous code.
　　
# We could avoid that if we were sure that the queue already exists. For example if send.py program
　　
# was run before. But we're not yet sure which program to run first. In such cases it's a good
　　
# practice to repeat declaring the queue in both programs.
　　
# 为了确保队列存在在receive端也声明一下队列
　　
channel.queue_declare(queue='hello')  # 声明一个队列
　　

　　

　　
# 定义一个方法
　　
def callback(ch, method, properties, body):
　　"""
　　
    参数都为必须
　　
    :param ch: 频道
　　
    :param method: 方法
　　
    :param properties: 特殊属性
　　
    :param body: 消息体
　　
    :return:
　　
    """
　　print(" [x] Received %r" % body)  # 打印从队列中接收到的信息
　　

　　
# 如果从队列里取到了数据就会执行callback函数
　　
channel.basic_consume(callback,  # 收到消息后执行的操作
　　queue='hello',
　　no_ack=True)  # 不需要应答
　　

　　
print('

Waiting for messages. To exit press CTRL+C')
　　
channel.start_consuming()
　　1. 参数：acknowledgment 消息不丢失
　　o-ack ＝ False，如果消费者遇到情况(its channel is closed, connection is closed, or TCP connection is lost)挂掉了，那么，RabbitMQ会重新将该任务添加到队列中。主要是在消费者写这么一句：h.basic_ack(delivery_tag = method.delivery_tag)
import pika　　

　　
connection = pika.BlockingConnection(pika.ConnectionParameters(
　　host='10.211.55.4'))
　　
channel = connection.channel()
　　
channel.queue_declare(queue='hello')
　　
def callback(ch, method, properties, body):
　　print(" [x] Received %r" % body)
　　import time
　　time.sleep(10)
　　print 'ok'
　　ch.basic_ack(delivery_tag = method.delivery_tag)
　　
channel.basic_consume(callback,
　　queue='hello',
　　no_ack=False)
　　
print('

Waiting for messages. To exit press CTRL+C')
　　
channel.start_consuming()
　　2. 参数：durable 消息持久化
　　上面那个是防止在消费者一端的数据丢失，而这个是防止在生产者端的丢失。通过持久化，可以保证数据的安全。主要是在生产者和消费者各自申明channel.queue_declare(queue='hello', durable=True)和生产者properties=pika.BasicProperties(delivery_mode=2,)就行了。
　　生产者：
#!/usr/bin/env python　　
import pika
　　

　　
connection = pika.BlockingConnection(pika.ConnectionParameters(host='10.211.55.4'))
　　
channel = connection.channel()
　　

　　
# make message persistent
　　
channel.queue_declare(queue='hello', durable=True)
　　

　　
channel.basic_publish(exchange='',
　　routing_key='hello',
　　body='Hello World!',
　　properties=pika.BasicProperties(
　　delivery_mode=2, # make message persistent
　　))
　　
print(" [x] Sent 'Hello World!'")
　　
connection.close()
　　消费者：
　　

#!/usr/bin/env python　　
# -*- coding:utf-8 -*-
　　
import pika
　　

　　
connection = pika.BlockingConnection(pika.ConnectionParameters(host='10.211.55.4'))
　　
channel = connection.channel()
　　

　　
# make message persistent
　　
channel.queue_declare(queue='hello', durable=True)
　　

　　

　　
def callback(ch, method, properties, body):
　　print(" [x] Received %r" % body)
　　import time
　　time.sleep(10)
　　print 'ok'
　　ch.basic_ack(delivery_tag = method.delivery_tag)
　　

　　
channel.basic_consume(callback,
　　queue='hello',
　　no_ack=False)
　　

　　
print('

Waiting for messages. To exit press CTRL+C')
　　
channel.start_consuming()
　　

　　3. 消息获取顺序
　　默认消息队列里的数据是按照顺序被消费者拿走，例如：消费者1 去队列中获取 奇数 序列的任务，消费者1去队列中获取 偶数 序列的任务。
　　channel.basic_qos(prefetch_count=1) 表示谁来谁取，不再按照奇偶数排列。
　　消费者：
　　

#!/usr/bin/env python　　
# -*- coding:utf-8 -*-
　　
import pika
　　

　　
connection = pika.BlockingConnection(pika.ConnectionParameters(host='10.211.55.4'))
　　
channel = connection.channel()
　　

　　
# make message persistent
　　
channel.queue_declare(queue='hello')
　　

　　

　　
def callback(ch, method, properties, body):
　　print(" [x] Received %r" % body)
　　import time
　　time.sleep(10)
　　print 'ok'
　　ch.basic_ack(delivery_tag = method.delivery_tag)
　　

　　
channel.basic_qos(prefetch_count=1)
　　

　　
channel.basic_consume(callback,
　　queue='hello',
　　no_ack=False)
　　

　　
print('

Waiting for messages. To exit press CTRL+C')
　　
channel.start_consuming()
　　

　　以上都是简单的没有使用exchange的案例。
　　exchange在RabbitMQ中的作用可以简单的理解为网络中的路由机或者分发器。它有三种模式：

• fanout: 所有bind到此exchange的queue都可以接收消息
  
• direct: 通过routingKey和exchange决定的那个唯一的queue可以接收消息
  
• topic:所有符合routingKey(此时可以是一个表达式)的routingKey所bind的queue可以接收消息
  
• headers: 通过headers 来决定把消息发给哪些queue
  

　　参数在声明exchange时由type指定,下面逐进行一介绍。

发布订阅
　　exchange type = fanout
　　发布订阅和简单的消息队列区别在于，发布订阅会将消息发送给所有的订阅者，而消息队列中的数据被消费一次便消失。所以，RabbitMQ实现发布和订阅时，会为每一个订阅者创建一个队列，而发布者发布消息时，会将消息放置在所有相关队列中。

　　上图中，深蓝色的X就是Exchange，红色的是Queue ，这两者都在 Server 端，又称作 Broker ，由RabbitMQ负责维护。左边的P是生产者，右边的C是消费者，它们通常由应用端自己创建，可以使用任何编程语言。
　　生产者/发布者：
import pika　　
import sys
　　
connection = pika.BlockingConnection(pika.ConnectionParameters(
　　host='localhost'))
　　
channel = connection.channel()
　　
channel.exchange_declare(exchange='logs',
　　type='fanout')
　　
message = ' '.join(sys.argv[1:]) or "info: Hello World!"
　　
channel.basic_publish(exchange='logs',
　　routing_key='',
　　body=message)
　　
print(" [x] Sent %r" % message)
　　
connection.close()
　　消费者/订阅者：
#_*_coding:utf-8_*_　　
import pika
　　
connection = pika.BlockingConnection(pika.ConnectionParameters(
　　host='localhost'))
　　
channel = connection.channel()
　　
channel.exchange_declare(exchange='logs',
　　type='fanout')
　　
result = channel.queue_declare(exclusive=True) #不指定queue名字,rabbit会随机分配一个名字,exclusive=True会在使用此queue的消费者断开后,自动将queue删除
　　
queue_name = result.method.queue
　　
channel.queue_bind(exchange='logs',
　　queue=queue_name)
　　
print('

Waiting for logs. To exit press CTRL+C')
　　
def callback(ch, method, properties, body):
　　print(" [x] %r" % body)
　　
channel.basic_consume(callback,
　　queue=queue_name,
　　no_ack=True)
　　
channel.start_consuming()

关键字发送
　　exchange type=direct　

　　RabbitMQ还支持根据关键字发送，即：队列绑定关键字，发送者将数据根据关键字发送到消息exchange，exchange根据 关键字 判定应该将数据发送至指定队列。
　　生产者/发布者：
import pika　　
import sys
　　
connection = pika.BlockingConnection(pika.ConnectionParameters(
　　host='localhost'))
　　
channel = connection.channel()
　　
channel.exchange_declare(exchange='direct_logs',
　　type='direct')
　　
severity = sys.argv[1] if len(sys.argv) > 1 else 'info'
　　
message = ' '.join(sys.argv[2:]) or 'Hello World!'
　　
channel.basic_publish(exchange='direct_logs',
　　routing_key=severity,
　　body=message)
　　
print(" [x] Sent %r:%r" % (severity, message))
　　
connection.close()
　　消费者/订阅者：
import pika　　
import sys
　　
connection = pika.BlockingConnection(pika.ConnectionParameters(
　　host='localhost'))
　　
channel = connection.channel()
　　
channel.exchange_declare(exchange='direct_logs',
　　type='direct')
　　
result = channel.queue_declare(exclusive=True)
　　
queue_name = result.method.queue
　　
severities = sys.argv[1:]
　　
if not severities:
　　sys.stderr.write("Usage: %s [info] [warning] [error]\n" % sys.argv[0])
　　sys.exit(1)
　　
for severity in severities:
　　channel.queue_bind(exchange='direct_logs',
　　queue=queue_name,
　　routing_key=severity)
　　
print('

Waiting for logs. To exit press CTRL+C')
　　
def callback(ch, method, properties, body):
　　print(" [x] %r:%r" % (method.routing_key, body))
　　
channel.basic_consume(callback,
　　queue=queue_name,
　　no_ack=True)
　　
channel.start_consuming()

模糊匹配
　　exchange type = topic

　　在topic类型下，可以让队列绑定几个模糊的关键字，之后发送者将数据发送到exchange，exchange将传入”路由值“和 ”关键字“进行匹配，匹配成功，则将数据发送到指定队列。

• 表达式符号说明：#代表一个或多个字符，*只能匹配一个字符
  
• 例：#.a会匹配a.a，aa.a，aaa.a等
  
• *.a会匹配a.a，b.a，c.a等
  
• 注：使用RoutingKey为#，Exchange Type为topic的时候相当于使用fanout*
  

　　生产者/发布者：
import pika　　
import sys
　　
connection = pika.BlockingConnection(pika.ConnectionParameters(
　　host='localhost'))
　　
channel = connection.channel()
　　
channel.exchange_declare(exchange='topic_logs',
　　type='topic')
　　
routing_key = sys.argv[1] if len(sys.argv) > 1 else 'anonymous.info'
　　
message = ' '.join(sys.argv[2:]) or 'Hello World!'
　　
channel.basic_publish(exchange='topic_logs',
　　routing_key=routing_key,
　　body=message)
　　
print(" [x] Sent %r:%r" % (routing_key, message))
　　
connection.close()
　　消费者/订阅者：
import pika　　
import sys
　　
connection = pika.BlockingConnection(pika.ConnectionParameters(
　　host='localhost'))
　　
channel = connection.channel()
　　
channel.exchange_declare(exchange='topic_logs',
　　type='topic')
　　
result = channel.queue_declare(exclusive=True)
　　
queue_name = result.method.queue
　　
binding_keys = sys.argv[1:]
　　
if not binding_keys:
　　sys.stderr.write("Usage: %s [binding_key]...\n" % sys.argv[0])
　　sys.exit(1)
　　
for binding_key in binding_keys:
　　channel.queue_bind(exchange='topic_logs',
　　queue=queue_name,
　　routing_key=binding_key)
　　
print('

Waiting for logs. To exit press CTRL+C')
　　
def callback(ch, method, properties, body):
　　print(" [x] %r:%r" % (method.routing_key, body))
　　
channel.basic_consume(callback,
　　queue=queue_name,
　　no_ack=True)
　　
channel.start_consuming()

RPC
　　Remote procedure call

　　To illustrate how an RPC service could be used we're going to create a simple client>fibonacci_rpc = FibonacciRpcClient()　　
result = fibonacci_rpc.call(4)
　　
print("fib(4) is %r" % result)
　　RPC Server:
#_*_coding:utf-8_*_　　
__author__ = 'Alex Li'
　　
import pika
　　
import time
　　
connection = pika.BlockingConnection(pika.ConnectionParameters(
　　host='localhost'))
　　
channel = connection.channel()
　　
channel.queue_declare(queue='rpc_queue')
　　
def fib(n):
　　if n == 0:
　　return 0
　　elif n == 1:
　　return 1
　　else:
　　return fib(n-1) + fib(n-2)
　　
def on_request(ch, method, props, body):
　　n = int(body)
　　print(" [.] fib(%s)" % n)
　　response = fib(n)
　　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(on_request, queue='rpc_queue')
　　
print(" [x] Awaiting RPC requests")
　　
channel.start_consuming()
　　RPC client
import pika　　
import uuid
　　
class FibonacciRpcClient(object):
　　def __init__(self):
　　self.connection = pika.BlockingConnection(pika.ConnectionParameters(
　　host='localhost'))
　　self.channel = self.connection.channel()
　　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)
　　def on_response(self, ch, method, props, body):
　　if self.corr_id == props.correlation_id:
　　self.response = body
　　def call(self, n):
　　self.response = None
　　self.corr_id = str(uuid.uuid4())
　　self.channel.basic_publish(exchange='',
　　routing_key='rpc_queue',
　　properties=pika.BasicProperties(
　　reply_to = self.callback_queue,
　　correlation_id = self.corr_id,
　　),
　　body=str(n))
　　while self.response is None:
　　self.connection.process_data_events()
　　return int(self.response)
　　
fibonacci_rpc = FibonacciRpcClient()
　　
print(" [x] Requesting fib(30)")
　　
response = fibonacci_rpc.call(30)
　　
print(" [.] Got %r" % response)

Redis
　　Redis是一个驻扎在内存中的数据存储结构，常用于数据库、缓存和消息代理。它采用先进的 key-value 存储方式，包括string(字符串)、list(链表)、set(集合)、zset(sorted set --有序集合)和hash（哈希类型）。这些数据类型都支持push/pop、add/remove及取交集并集和差集及更丰富的操作，而且这些操作都是原子性的。在此基础上，redis支持各种不同方式的排序。与memcached一样，为了保证效率，数据都是缓存在内存中。区别的是redis会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件，并且在此基础上实现了master-slave(主从)同步。
　　Redis的官方网站是：http://www.redis.io/
　　Redis 与其他同类软件相比有三个不同的特点：

• Redis是完全在内存中保存数据的数据库，使用磁盘只是为了持久性目的；
  
• Redis相比许多键值数据存储系统有相对丰富的数据类型；
  
• Redis可以将数据复制到任意数量的从服务器中；
  

　　Redis有以下方面的优点：

• 异常快速 : Redis是非常快的，每秒可以执行大约110000设置操作，81000个/每秒的读取操作。
  
• 支持丰富的数据类型 : Redis支持最大多数开发人员已经知道如列表，集合，可排序集合，哈希等数据类型。
  
• 操作都是原子的 : 所有 Redis 的操作都是原子，从而确保当两个客户同时访问 Redis 服务器得到的是更新后的值（最新值）。
  
• MultiUtility工具：Redis是一个多功能实用工具，可以在很多如：缓存，消息传递队列中使用（Redis原生支持发布/订阅）。
  

　　Redis安装文档点击这里查看

安装Python操作Redis API
sudo pip install redis　　
or
　　
sudo easy_install redis
　　
or
　　
源码安装
　　
详见：https://github.com/WoLpH/redis-py

Redis API使用
　　redis-py 的API的使用可以分类为：

• 连接方式
  
• 连接池
  
• 操作
  
  
  
  • String 操作
    
  • Hash 操作
    
  • List 操作
    
  • Set 操作
    
  • Sort Set 操作
    
  • 管道
    
  • 发布订阅
    
  
  

　　1.操作模式
　　redis-py提供两个类Redis和StrictRedis用于实现Redis的命令，StrictRedis用于实现大部分官方的命令，并使用官方的语法和命令，Redis是StrictRedis的子类，用于向后兼容旧版本的redis-py。
#!/usr/bin/env python　　
# -*- coding:utf-8 -*-
　　
import redis
　　
r = redis.Redis(host='10.211.55.4', port=6379)
　　
r.set('foo', 'Bar')
　　
print r.get('foo')
　　2.连接池
　　redis-py使用connection pool来管理对一个redis server的所有连接，避免每次建立、释放连接的开销。默认，每个Redis实例都会维护一个自己的连接池。可以直接建立一个连接池，然后作为参数Redis，这样就可以实现多个Redis实例共享一个连接池。
#!/usr/bin/env python　　
# -*- coding:utf-8 -*-
　　
import redis
　　
pool = redis.ConnectionPool(host='10.211.55.4', port=6379)
　　
r = redis.Redis(connection_pool=pool)
　　
r.set('foo', 'Bar')
　　
print r.get('foo')
　　3.操作
　　String操作，redis中的String在在内存中按照一个name对应一个value来存储。

• set(name, value, ex=None, px=None, nx=False, xx=False)
  

　　

在Redis中设置值，默认，不存在则创建，存在则修改　　
参数：
　　ex，过期时间（秒）
　　px，过期时间（毫秒）
　　nx，如果设置为True，则只有name不存在时，当前set操作才执行
　　xx，如果设置为True，则只有name存在时，岗前set操作才执行
　　

　　更多操作介绍请猛击这里