Python操作RabbitMQ

安装Pika Python客户端：

pip3 install pika

一、单发送单接收

https://www.rabbitmq.com/tutorials/tutorial-one-python.html

在下图中，"P"是我们的生产者，"C"是我们的消费者；中间的框是一个队列。

生产者send.py：

P发送消息给"秒杀"队列，C消费者从队列中获取消息，默认轮询方式。

import pika
# 创建凭证，使用RabbitMQ用户密码登录（去邮局取邮件，必须得验证身份）
credentials = pika.PlainCredentials("pd", "123456")
# 新建连接（找到这个邮局，等于连接上服务器）
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
# 创建频道（建造一个大邮箱，隶属于这家邮局的邮箱，就是个连接）
channel = connection.channel()
# 声明一个队列，用于接收消息，队列名字叫"秒杀"
channel.queue_declare(queue="秒杀")
# 注意在RabbitMQ中，消息想要发送给队列，必须经过交换(exchange)，初学可以使用空字符串交换(exchange="")，它允许我们精确的指定发送给哪个队列(routing_key="")，参数body的值为发送的数据。
channel.basic_publish(exchange="", routing_key="秒杀", body="恭喜您抢到iPhone666")
print("已经发送了消息")
# 程序退出前，确保刷新网络缓冲以及消息发送给RabbitMQ，需要关闭本次连接
connection.close()

消费者receive.py：

可以同时存在多个接收者，等待接收队列的消息，默认是轮询方式分配消息。接收者receive.py，可以运行多次，即运行多个消费者。

import pika
credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
channel.queue_declare(queue="秒杀")

def callback(ch, method, properties, body):
    # 有消息来临，立即执行callback，没有消息则夯住，等待消息
    print("消费者接收到了任务：%s" % body.decode("utf8"))

# 果粉们开始去抢购iPhone，队列名字是"秒杀"
channel.basic_consume(callback, queue="秒杀", no_ack=True)
# 开始消费，接收消息
channel.start_consuming()

结果：

设置超时时间：

import pika

credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))

# 超时时间（如果5秒内没有收到消息，将不会夯住等待消息，取消接收消息）
connection.add_timeout(5, lambda: channel.stop_consuming())

channel = connection.channel()
channel.queue_declare(queue="秒杀")

def callback(ch, method, properties, body):
    # 有消息来临，立即执行callback，没有消息则夯住，等待消息
    print("消费者接收到了任务：%s" % body.decode("utf8"))

channel.basic_consume(callback, queue="秒杀", no_ack=True)
channel.start_consuming()

二、单发送多接收

使用场景：一个发送端，多个接收端，如分布式的任务派发。为了保证消息发送的可靠性，不丢失消息，使消息持久化了。同时为了防止接收端在处理消息时down掉，只有在消息处理完成后才发送ack消息。

三、RabbitMQ消息确认之ack

默认情况下，生产者发送数据给队列，消费者取出消息后，数据将被清除。

特殊情况，如果消费者处理过程中，出现错误，数据处理没有完成，那么这段数据将从队列丢失。

no-ack机制

不确认机制也就是说每次消费者接收到数据后，不管是否处理完毕，rabbitmq-server都会把这个消息标记完成，从队列中删除。

ack机制

确认机制用于保证消费者如果拿了队列的消息，客户端处理时出错了，那么队列中仍然还存在这个消息，提供下一位消费者继续取。

代码示例

生产者无须变动，发送消息。
消费者如果no_ack=True，数据消费后如果出错就会丢失；反之no_ack=False，数据消费如果出错，数据也不会丢失。

生产者send.py：只负责发送数据即可，无须变动。

消费者reveive.py给与ack回复：

拿到消息必须给RabbitMQ服务端回复ack信息，否则消息不会被删除，防止客户端出错，数据丢失。

import pika
credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
channel.queue_declare(queue="秒杀")

def callback(ch, method, properties, body):
    print("消费者接收到了任务：%s" % body.decode("utf8"))
    # 模拟异常，没能给服务端回复ack信息，消息不丢失
    print(xx)
    # 告诉服务端，我已经取走了消息，否则消息一直存在
    ch.basic_ack(delivery_tag=method.delivery_tag)

# 关闭no_ack，代表给与服务端ack回复（确认）
channel.basic_consume(callback, queue="秒杀", no_ack=False)
channel.start_consuming()

四、公平分发

默认消息队列里的数据是按照轮询被消费者拿走，例如：消费者1去队列中获取奇数序列的任务，消费者2去队列中获取偶数序列的任务。假如消费者1获取到任务，需要处理很久；下个任务就被消费者2获取到，一下子就处理完了；那么按照RabbitMQ默认设置，下个任务就应该分发给消费者1了，但是此时消费者1还是没处理完任务。RabbitMQ是不知道消费时1还没处理完任务的，既然轮到了消费者1，那RabbitMQ依然向消费者1发送消息。

为了避免这种情况，设置：

channel.basic_qos(prefetch_count=1)

生产者：

import pika

credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
channel.queue_declare(queue="uu", durable=True)
channel.basic_publish(exchange="", routing_key="uu", body="你在干什么？")
connection.close()

消费者1：time.sleep(30)

import pika
import time

credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
channel.queue_declare(queue="uu", durable=True)

def callback(ch, method, properties, body):
    print("消费者1接收到了任务：%s" % body.decode("utf8"))
    time.sleep(30)
    ch.basic_ack(delivery_tag=method.delivery_tag)

channel.basic_qos(prefetch_count=1)
channel.basic_consume(callback, queue="uu", no_ack=False)
channel.start_consuming()

消费者2：

import pika

credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
channel.queue_declare(queue="uu", durable=True)

def callback(ch, method, properties, body):
    print("消费者2接收到了任务：%s" % body.decode("utf8"))
    ch.basic_ack(delivery_tag=method.delivery_tag)

channel.basic_qos(prefetch_count=1)
channel.basic_consume(callback, queue="uu", no_ack=False)
channel.start_consuming()

五、消息持久化

1.执行生产者，向队列写入数据，产生一个新队列queue
2.重启服务端，队列丢失

3.开启生产者数据持久化后，重启服务端，队列不丢失
4.客户端依旧可以读取数据

消息的可靠性是RabbitMQ的一大特色，那么RabbitMQ是如何保证消息可靠性的呢——消息持久化。 为了保证RabbitMQ在退出或者crash等异常情况下数据没有丢失，需要将queue、exchange和Message都持久化。

生产者send.py

import pika
credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
"""
声明一个队列(创建一个队列)，
默认此队列不支持持久化,如果服务挂掉，数据丢失,
参数 durable=True 开启queue持久化，必须新开启一个队列，原本的队列已经不支持持久化了。
"""
channel.queue_declare(queue="zz", durable=True)
"""
实现RabbitMQ持久化条件
 delivery_mode=2
"""
channel.basic_publish(exchange="",
                      routing_key="zz",
                      body="吃饭了没？",
                      # 支持数据持久化
                      properties=pika.BasicProperties(
                          delivery_mode=2,  # 代表消息是持久的 2
                      )
)
print("已经发送了消息")
connection.close()

消费者receive.py

import pika
credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
"""
声明一个队列(创建一个队列)，
默认此队列不支持持久化,如果服务挂掉，数据丢失,
参数 durable=True 开启queue持久化，必须新开启一个队列，原本的队列已经不支持持久化了。
"""
channel.queue_declare(queue="zz", durable=True)
"""
实现RabbitMQ持久化条件
 delivery_mode=2
"""
channel.basic_publish(exchange="",
                      routing_key="zz",
                      body="吃饭了没？",
                      # 支持数据持久化
                      properties=pika.BasicProperties(
                          delivery_mode=2,  # 代表消息是持久的 2
                      )
)
print("已经发送了消息")
connection.close()

六、exchange模型

RabbitMQ发送消息首先是发给exchange，然后再通过exchange发送消息给队列（queue）。

exchange有四种模式：

fanout：

exchange将消息发送给和该exchange连接的所有queue；也就是所谓的广播模式；此模式下忽略routing_key。

direct：

路由模式，通过routing_key将消息发送给对应的queue；如下面这句即可设置exchange为direct模式，只有routing_key为"black"时才将其发送到队列queue_name；

channel.queue_bind(exchange=exchange_name, queue=queue_name, routing_key="black")

在上图中，Q1和Q2可以绑定同一个key，如绑定routing_key="KeySame"，那么收到routing_key为KeySame的消息时将会同时发送给Q1和Q2，相当于广播模式。

topic：

topic模式类似于direct模式，只是其中的routing_key变成了一个有"."分隔的字符串，"."将字符串分割成几个单词，每个单词代表一个条件。

headers：

headers类型的exchange不依赖于routing key与binding key的匹配规则来路由消息，而是根据发送的消息内容中的headers属性进行匹配。

发布订阅

https://www.rabbitmq.com/tutorials/tutorial-three-python.html

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。

生产者（发布者）：

import pika
credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
# 指定exchange
channel.exchange_declare(exchange="mm", exchange_type="fanout")
channel.basic_publish(exchange="mm",
                      routing_key="",  # 这里不再指定队列，由exchange分配,如果是fanout模式，每一个队列放一份
                      body="你妈妈叫你回家吃饭了！",
)
connection.close()

消费者（订阅者）：

import pika
credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
# exchange="mm"，exchange(秘书)的名称
# exchange_type="fanout" , 秘书工作方式将消息发送给所有的队列
channel.exchange_declare(exchange="mm",exchange_type="fanout")
# 随机生成一个队列，并且在关闭消费者连接后，删除这个队列
result = channel.queue_declare(exclusive=True)
queue_name = result.method.queue
# 让exchange和queue进行绑定
channel.queue_bind(exchange="mm", queue=queue_name)

def callback(ch, method, properties, body):
    print("消费者接收到了任务：%s" % body.decode("utf8"))

channel.basic_consume(callback, queue=queue_name, no_ack=True)
channel.start_consuming()

操作示例：

1.运行订阅者（可以多个），相当于有多个滴滴司机，订阅同一个电台（队列），等待着消息到来
2.运行发布者，发送消息给Exchange
3.查看是否给所有的队列发送了消息

关键字发送

https://www.rabbitmq.com/tutorials/tutorial-four-python.html

exchange type = "direct"

之前事例，发送消息时明确指定某个队列并向其中发送消息，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：

发送消息给匹配的路由，"小白"或者"小黑"；如果routing_key为"小白"，两个订阅者都可以收到消息，如果为"小黑"，订阅者2无法收到消息。

import pika
credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
# 路由模式的交换机会发送给绑定的key和routing_key匹配的队列
channel.exchange_declare(exchange="kk", exchange_type="direct")
# 发送消息，给有关"小白"的路由关键字
channel.basic_publish(exchange="kk",
                      routing_key="小黑",
                      body="喜洋洋与灰太狼",
)
connection.close()

消费者1：

路由关键字"小白"、"小黑"

import pika
credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
channel.exchange_declare(exchange="kk", exchange_type="direct")
# 随机生成一个队列，并且在关闭消费者连接后，删除这个队列
result = channel.queue_declare(exclusive=True)
queue_name = result.method.queue
# 让exchange和queue进行绑定
channel.queue_bind(exchange="kk", queue=queue_name, routing_key="小白")
channel.queue_bind(exchange="kk", queue=queue_name, routing_key="小黑")

def callback(ch, method, properties, body):
    print("消费者接收到了任务：%s" % body.decode("utf8"))

channel.basic_consume(callback, queue=queue_name, no_ack=True)
channel.start_consuming()

消费者2：

路由关键字"小白"

import pika
credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
channel.exchange_declare(exchange="kk", exchange_type="direct")
# 随机生成一个队列，并且在关闭消费者连接后，删除这个队列
result = channel.queue_declare(exclusive=True)
queue_name = result.method.queue
# 让exchange和queue进行绑定
channel.queue_bind(exchange="kk", queue=queue_name, routing_key="小白")

def callback(ch, method, properties, body):
    print("消费者接收到了任务：%s" % body.decode("utf8"))

channel.basic_consume(callback, queue=queue_name, no_ack=True)
channel.start_consuming()

模糊匹配

https://www.rabbitmq.com/tutorials/tutorial-five-python.html

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。

*  表示只能匹配 1个 单词
#  表示可以匹配 0个 或 多个 单词

发送者路由值      队列中
i.love          i.*        匹配
i.love          i.#        匹配
i.love.you      i.*        不匹配
i.love.you      i.#        匹配
i.love.you      *.love.*   匹配

生产者：

路由秘钥：i.love.you

import pika

credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
channel.exchange_declare(exchange="topic_xx", exchange_type="topic")

# 让exchange和queue进行绑定，并且指定这条消息的路由密钥
channel.basic_publish(exchange="topic_xx", routing_key="i.love.you", body="该写做作业了！")
connection.close()

消费者1：

队列绑定秘钥：i.# 和 *.love.*

只要有一个能匹配到路由秘钥，就能接收到消息。

import pika

credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
channel.exchange_declare(exchange="topic_xx", exchange_type="topic")
result = channel.queue_declare(exclusive=True)
queue_name = result.method.queue

binding_keys = ["i.#", "*.love.*"]

for binding_key in binding_keys:
    # 让exchange和queue进行绑定，并且指定queue绑定密钥
    channel.queue_bind(exchange="topic_xx",
                       queue=queue_name,
                       routing_key=binding_key)

def callback(ch, method, properties, body):
    print("消费者接收到了任务：%s" % body.decode("utf8"))
    print(method.routing_key)

channel.basic_consume(callback, queue=queue_name, no_ack=True)
channel.start_consuming()

消费者2：

队列绑定秘钥：i.*

无法匹配到路由秘钥，丢失消息。

import pika

credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
channel.exchange_declare(exchange="topic_xx", exchange_type="topic")
result = channel.queue_declare(exclusive=True)
queue_name = result.method.queue

# 让exchange和queue进行绑定，并且指定queue绑定密钥
channel.queue_bind(exchange="topic_xx",
                   queue=queue_name,
                   routing_key="i.*")

def callback(ch, method, properties, body):
    print("消费者接收到了任务：%s" % body.decode("utf8"))
    print(method.routing_key)

channel.basic_consume(callback, queue=queue_name, no_ack=True)
channel.start_consuming()

七、RPC（远程过程调用）

将一个函数运行在远程计算机上并且等待获取那里的结果，这个称作远程过程调用（Remote Procedure Call）或者 RPC。RPC是一个计算机通信协议。

通俗理解RPC：

将计算机服务运行理解为厨师做饭，厨师想做苦瓜炒鸡蛋，则厨师需要：洗和切苦瓜、拌鸡蛋、炒等。他一个人完成所有的事，如同一台计算机做所有的事，效率低下。

RPC应用：

老板有钱了，请了专职员工，各司其职，不再是厨师一个人单打独斗，而是备菜师傅准备苦瓜、鸡蛋、调料，切菜师傅切苦瓜、拌鸡蛋，厨师只负责炒好即可。

制作苦瓜炒鸡蛋：

• 备菜师傅 -> 备好菜、调料
• 切菜师傅 -> 切好菜
• 厨师 -> 炒好菜

此时一件事好多人在做，厨师就得和其他人沟通，通知备菜、切菜师傅的这个动作就是远程过程调用（RPC）。

这个过程在计算机系统中，比如一个电商的下单过程，涉及物流、支付、库存、红包等多个系统，多个系统又在多个服务器上，由不同的技术团队负责，整个下单过程，需要所有团队进行远程调用。

下单：

• 库存 -> 减少库存
• 支付 -> 扣款
• 红包 -> 减免红包
• 物流 -> 生成订单

RPC到底是什么？

RPC指的是在计算机A上的进程，调用另外一台计算机B的进程，A上的进程被挂起，B上的被调用进程开始执行后，产生返回值给A，A继续执行。调用方可以通过参数将信息传递给被调用方，而后通过返回结果得到信息，这个过程对于开发人员来说是透明的。

如同厨师一样，服务员把菜单给后厨，厨师告诉洗菜人，备菜人，开始工作，完成工作后，整个过程对于服务员是透明的，他完全不用管后厨是怎么把菜做好的。

由于服务在不同的机器上，远程调用必经网络通信，调用服务必须写一坨网络通信代码，很容易出错且很复杂，因此就出现了RPC框架。

阿里巴巴   dubbo    java
新浪      motan    java
谷歌      grpc     多语言
Apache   thrift   多语言

RPC封装了数据的序列化，反序列化，以及传输协议。

Python实现RPC

利用RabbitMQ构建一个RPC系统，包含了客户端和RPC服务器，依旧使用pika模块。

Callback queue 回调队列

一个客户端向服务器发送请求，服务器端处理请求后，将其处理结果保存在一个存储体中。而客户端为了获得处理结果，那么客户在向服务器发送请求时，同时发送一个回调队列地址reply_to。


Correlation id 关联标识

一个客户端可能会发送多个请求给服务器，当服务器处理完后，客户端无法辨别在回调队列中的响应具体和哪个请求是对应的。为了处理这种情况，客户端在发送每个请求时，同时会附带一个独有correlation_id属性，这样客户端在回调队列中根据correlation_id字段的值就可以分辨此响应属于哪个请求。

客户端发送请求：某个应用将请求信息交给客户端，然后客户端发送RPC请求，在发送RPC请求到RPC请求队列时，客户端至少发送带有reply_to以及correlation_id两个属性的信息。

服务器端工作流程：等待接受客户端发来RPC请求，当请求出现的时候，服务器从RPC请求队列中取出请求，然后处理后，将响应发送到reply_to指定的回调队列中。

客户端接受处理结果：客户端等待回调队列中出现响应，当响应出现时，它会根据响应中correlation_id字段的值，将其返回给对应的应用。

过程：

• 启动RPC服务端，等待接收数据到来，来了之后就进行处理，再将结果丢进队列
• 启动RPC客户端，发起请求

rpc_server.py

import pika

credentials = pika.PlainCredentials("pd", "123456")
connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
channel = connection.channel()
# 声明RPC请求队列
channel.queue_declare(queue="rpc_xx")

# 模拟一个进程，例如切菜师傅，等着洗菜师傅传递数据
def add(n):
    # 对RPC请求队列中的请求进行处理
    n += 100
    return n

def on_request(ch, method, props, body):
    print(body, type(body))
    n = int(body)
    print("正在处理add(%s)" % n)
    # 调用数据处理方法
    response = add(n)
    # 将处理结果(响应)发送到回调队列
    ch.basic_publish(exchange="",
                     # reply_to代表回复目标
                     routing_key=props.reply_to,
                     # correlation_id（关联标识），用来将RPC的响应和请求关联起来。
                     properties=pika.BasicProperties(correlation_id=props.correlation_id),
                     body=str(response))
    ch.basic_ack(delivery_tag=method.delivery_tag)

# 负载均衡，同一时刻发送给该服务器的请求不超过一个
channel.basic_qos(prefetch_count=1)
channel.basic_consume(on_request, queue="rpc_xx")
print("等待接收RPC请求")
# 开始消费
channel.start_consuming()

rpc_client.py

import pika
import uuid

class RpcClient(object):
    def __init__(self):
        # 客户端启动时，创建回调队列，会开启会话用于发送RPC请求以及接受响应
        # 建立连接，指定服务器的ip地址
        credentials = pika.PlainCredentials("pd", "123456")
        self.connection = pika.BlockingConnection(pika.ConnectionParameters(host="localhost", port=5672, credentials=credentials))
        # 建立一个会话，每个channel代表一个会话任务
        self.channel = self.connection.channel()
        # 声明回调队列，再次声明的原因是，服务器和客户端可能先后开启，该声明是幂等的，多次声明，但只生效一次
        # exclusive=True 是指只对首次声明它的连接可见
        # exclusive=True 会在连接断开的时候，自动删除该队列
        result = self.channel.queue_declare(exclusive=True)
        # 将次队列指定为当前客户端的回调队列
        self.callback_queue = result.method.queue
        # 客户端订阅回调队列，当回调队列中有响应时，调用"on_response"方法对响应进行处理
        self.channel.basic_consume(self.on_response, queue=self.callback_queue, no_ack=True)

    # 对回调队列中的响应进行处理的函数
    def on_response(self, ch, method, props, body):
        if self.corr_id == props.correlation_id:
            self.response = body

    # 发出RPC请求
    # 例如这里服务端就是一个切菜师傅，菜切好了，需要传递给洗菜师傅，这个过程是发送rpc请求
    def call(self, n):
        # 初始化 response
        self.response = None
        # 生成correlation_id关联标识，通过python的uuid库，生成全局唯一标识ID，保证时间空间唯一性
        self.corr_id = str(uuid.uuid4())
        # 发送RPC请求内容到RPC请求队列"rpc_xx"，同时发送的还有"reply_to"和"correlation_id"
        self.channel.basic_publish(exchange="",
                                   routing_key="rpc_xx",
                                   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 self.response

# 建立客户端
rpc = RpcClient()
# 发送RPC请求，丢进rpc队列，等待客户端处理完毕，给与响应
print("发送了请求sum(100)")
response = rpc.call(100)
print("得到远程结果响应：%s" % response)