python中RabbitMQ的使用（工作队列）

消息可以理解为任务，消息发送者可以看成任务派送者(sender)，消息接收者可以看成工作者(worker)。

当工作者接收到一个任务，还没完任务时分配者又发一个任务，此时需要多个工作者来共同处理这些任务。

任务分派结构图如下：

注：此时有一个任务派送人P，两个工作接收者C1和C2。

现在我们来模拟该情况：

1.首先打开三个终端：

2.分别在前两个终端运行receive1.py

 3.在第三个终端多次运行send1.py

 此时将会轮流向worker1和worker2分派任务。

问题：

在以上任务分配和完成情况中，有几个问题将会产生：

1.工作者任务是否完成？

2.工作者挂掉后，如何防止未完成的任务丢失，并且如何处理这些任务？

3.RabbitMQ自身出现问题，此时如何防止任务丢失？

4.任务有轻重之分，如何实现公平调度？

方案：

1.消息确认（Message acknowledgment）

当任务完成后，工作者（receiver）将消息反馈给RabbitMQ：

def callback(ch, method, properties, body):
    print " [x] Received %r" % (body,)
    #停顿5秒，方便ctrl+c退出
    time.sleep(5)
    print " [x] Done"
    #当工作者完成任务后，会反馈给rabbitmq
    ch.basic_ack(delivery_tag=method.delivery_tag)

2.保留任务（no_ack=False）

当工作者挂掉后，防止任务丢失：

# 去除no_ack=True参数或者设置为False后可以实现
# 一个工作者ctrl+c退出后，正在执行的任务也不会丢失，rabbitmq会将任务重新分配给其他工作者。
channel.basic_consume(callback, queue='task_queue', no_ack=False)

3.消息持久化存储（Message durability）

声明持久化存储：

# durable=True即声明持久化存储
channel.queue_declare(queue='task_queue', durable=True)

在发送任务时，用delivery_mode=2来标记任务为持久化存储：

# 用delivery_mode=2来标记任务为持久化存储：
channel.basic_publish(exchange='',
                      routing_key='task_queue',
                      body=message,
                      properties=pika.BasicProperties(
                          delivery_mode=2,
                      ))

4.公平调度（Fair dispatch）

使用basic_qos设置prefetch_count=1，使得rabbitmq不会在同一时间给工作者分配多个任务，即只有工作者完成任务之后，才会再次接收到任务

channel.basic_qos(prefetch_count=1)

完整代码如下：

receive1.py

import time

import pika
# 创建连接
hostname="localhost"
parameters=pika.ConnectionParameters(hostname)
connection=pika.BlockingConnection(parameters)

# 创建通道
channel=connection.channel()

'''
queue_declare(self, 
                queue, 
                passive=False, 
                durable=False(是否将任务持久化存储), 
                exclusive=False, 
                auto_delete=False, 
                arguments=None
                )
'''
channel.queue_declare(queue="task_queue",durable=True)

def callback(ch,method,properties,body):
    print (" [x] Received %r" % body)
    time.sleep(5)
    print(" [x] Done")
    # ch.basic_ack为当工作者完成任务后，会反馈给rabbitmq
    ch.basic_ack(delivery_tag=method.delivery_tag)

# basic_qos设置prefetch_count=1，使得rabbitmq不会在同一时间给工作者分配多个任务，
# 即只有工作者完成任务之后，才会再次接收到任务。
channel.basic_qos(prefetch_count=1)

# 去除no_ack=True参数或者设置为False后可以实现   ack:acknowledgment(确认)
# 一个工作者ctrl+c退出后，正在执行的任务也不会丢失，rabbitmq会将任务重新分配给其他工作者。
channel.basic_consume('task_queue',callback,auto_ack=False)

# 开始接收信息，按ctrl+c退出
print (' [*] Waiting for messages. To exit press CTRL+C')
channel.start_consuming()

send1.py

import pika
import random
connector=pika.BlockingConnection(pika.ConnectionParameters("localhost"))

channel=connector.channel()
# 如果rabbitmq自身挂掉的话，那么任务会丢失。所以需要将任务持久化存储起来，声明持久化存储：
channel.queue_declare(queue="task_queue",durable=True)

number=random.randint(1,1000)
messge="hello word:%s" %number
# 在发送任务的时候，用delivery_mode=2来标记任务为持久化存储：
channel.basic_publish(
    exchange='',
    routing_key='task_queue',
    body=messge,
    properties=pika.BasicProperties(
        delivery_mode=2
    )
)
print( " [x] Sent %s" % messge)
connector.close()

示例如下：

首先启动三个终端，两个先执行receive1.py，第三个多次执行send1.py:

终端3：

此时分配三个任务，33分配给worker1，170分配给worker2，262分配给worker1

终端1：

worker1完成任务33后，开始任务262，我们在任务完成前使用（CRTL+C）使worker1挂掉

终端2：

worker2完成任务170，本来没有任务，但是worker1挂掉，此时接收他的任务262