RabbitMQ 全套

本博客代码运行环境

     ErLang:      ErLang_X64_22 version
     RabbitMQ:    RabbitMQ_Server_3.7.15 version
     python :     Python 3.7.1rc1   version
     pip ：       pip 19.1.1  version
     pika :       pika 1.0.1 version

什么是MQ

消息队列（Message Queue，简称MQ），从字面意思上看，本质是个队列，FIFO先入先出，只不过队列中存放的内容是message而已。
其主要用途：不同进程Process/线程Thread之间通信。
为什么会产生消息队列？有几个原因：

不同进程（process）之间传递消息时，两个进程之间耦合程度过高，改动一个进程，引发必须修改另一个进程，为了隔离这两个进程，在两进程间抽离出一层（一个模块），所有两进程之间传递的消息，都必须通过消息队列来传递，单独修改某一个进程，不会影响另一个；

不同进程（process）之间传递消息时，为了实现标准化，将消息的格式规范化了，并且，某一个进程接受的消息太多，一下子无法处理完，并且也有先后顺序，必须对收到的消息进行排队，因此诞生了事实上的消息队列；

关于消息队列的详细介绍请参阅：
《Java帝国之消息队列》
《一个故事告诉你什么是消息队列》
《到底什么时候该使用MQ》

MQ框架非常之多，比较流行的有RabbitMq、ActiveMq、ZeroMq、kafka，以及阿里开源的RocketMQ。本文主要介绍RabbitMq。

RabbitMQ

RabbitMQ简介

    
    1、MQ 为 Message Queue, 消息队列是应用程序和应用程序之间的通信方法，
    2、RabbitMQ 是一个开源的， 在AMQP 基础上完整的，可复用的企业消息系统，消息中间件 ， 消息队列
    3、支持主流的 OS, Linux, Windows, MacOX 等，
    4、多种开发语言支持， java、Python、Ruby、.NET、PHP、C/C++、node.js 等
    5、是专业级别的， 甩 python 的队列好几条街
    6、开发语言: Erlang----面向并发的编程语言----- 爱立信公司， 可以做到 热插拔， 局部加载， 不需要重启整个服务

 
   AMQP: 消息队列的一个协议。

搭建RabbitMQ环境：windows下安装

第一步 提供 Erlang 编程语言环境-----》安装 Erlang

官网: http://www.erlang.org/download ,

安装RabbitMQ

官网: https://www.rabbitmq.com/install-windows.html

安装完成： 打开 cmd 命令行工具， cd 到 RabbitMQ 的安装目录下的 sbin/ 子目录 中。 如图:

1、启动管理工具插件： rabbitmq-plugins enable rabbitmq_management

2、启动 RabbitMQ 服务：net start rabbitmq

3、浏览器输入地址： http://127.0.0.1:15672/

    4、使用 默认账号管理: guest/ guest  ， 能够登陆 ，说明安装成功

    4.1、 添加 admin 用户:

     4.2、用户角色: 

   1、超级管理员(administrator)
      可登陆管理控制台，可查看所有的信息，并且可以对用户，策略(policy)进行操作。
   2、监控者(monitoring)
      可登陆管理控制台，同时可以查看rabbitmq节点的相关信息(进程数，内存使用情况，磁盘使用情况等)
   3、策略制定者(policymaker)
     可登陆管理控制台, 同时可以对policy进行管理。但无法查看节点的相关信息(上图红框标识的部分)。
   4、普通管理者(management)
      仅可登陆管理控制台，无法看到节点信息，也无法对策略进行管理。
   5、其他
      无法登陆管理控制台，通常就是普通的生产者和消费者。

     4.3、创建Virtual Hosts

        选中Admin用户，设置权限：

     看到权限已加

4.4、 管理界面中的功能: 

   4.5、 管理工具中 查看队列消息:

    点击上面的队列名称，查询具体的队列中的信息：

使用 rabbitMQ 命令 添加用户并设置权限的步骤:

   1. 创建用户:      rabbitmqctl add_user name password
   2. 设置用户角色:   rabbitmqctl set_user_tags name administrator
   3. 远程连接需设置用户权限, 代表允许从外面访问: 
      rabbitmqctl set_permissions -p / name ".*" ".*" ".*"
    解析:          set_permissions [-p vhost] {user} {conf} {write} {read}

   RabbitMQ 常用命令: 

1、rabbitmq 管理器插件的启动和关闭：
    **启动监控管理器：rabbitmq-plugins enable rabbitmq_management
    关闭监控管理器：rabbitmq-plugins disable rabbitmq_management
2、服务的启动与关闭：
     **启动rabbitmq：rabbitmq-service start
     关闭rabbitmq：rabbitmq-service stop
     **使用 windows 命令: net start rabbitmq
                                 net stop rabbitmq
3、rabbitmq服务器的启动和关闭:
    前台启动: rabbitmq-server start
    后台启动: rabbitmq-server -detached
    前台停止：rabbitmqctl stop
    查看 RabbitMQ 的状态: rabbitmqctl status
4、rabbitmq 应用管理: 
    关闭应用：rabbitmqctl stop_app
    启动应用：rabbitmqctl start_app
5、用户管理: 
    **添加用户: rabbitmqctl add_user username password
    列出所有用户: rabbitmqctl list_users
    删除用户: rabbitmqctl delete_user username 
    **修改用户密码: rabbitmqctl change_password username 
 newpassword
6、角色管理: 
    **分配角色：rabbitmqctl set_user_tags username administrator

     角色说明
             none 最小权限角色
             management 管理员角色
             policymaker 决策者
             monitoring 监控
             administrator 超级管理员
7. 权限管理: 
   清除用户权限: rabbitmqctl clear_permissions -p vhostpath user
   **设置用户权限: rabbitmqctl set_permissions -p vhostpath username ".*" ".*" ".*"
8、虚拟主机管理:
    列出所有虚拟主机: rabbitmqctl list_vhosts
    创建虚拟主机:      rabbitmqctl list_vhost vhostpath
    删除虚拟主机：     rabbitmqctl delete_vhost vhostpath
    列出虚拟主机所有权限：rabbitmqctl list_permissions -p vhostpath
9、队列管理:
   **查看所有的队列：rabbitmqctl list_queues
   清除所有的队列：rabbitmqctl reset
   查看所有绑定:    rabbitmqctl list_bindings
   查看所有通道:    rabbitmqctl list_channels
   查看所有连接:    rabbitmqctl list_connections
   列出所有消费者: rabbitmqctl list_consumers
   **列出所有交换机: rabbitmqctl list_exchanges

Python 操作 RabbitMQ 之深入浅出

        此博客代码托管地址:  https://github.com/SuoSuo-Rocky/RabbitMQ-FullStack

安装 rabbitMQ module

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

实现最简单的队列通信

send端

#  发送端， 消费者
import pika

credentials = pika.PlainCredentials('shiwei', 'shiwei666666')
connection = pika.BlockingConnection(pika.ConnectionParameters(host='localhost', credentials=credentials))

# 在连接之上创建一个 rabbit 协议的通道
channel = connection.channel()

# 在通道中 声明 一个 queue
channel.queue_declare(queue='hello')

# 一个消息永远不能直接发送到队列，它总是需要经过一个交换
# n RabbitMQ a message can never be sent directly to the queue, it always needs to go through an exchange.
channel.basic_publish(exchange='',  # 交换机
                      routing_key='hello',   # 路由键，写明将消息发往哪个队列，本例是将消息发往队列hello
                      body='Hello World!')   # 生产者要发送的消息 内容
print(" [x] Sent 'Hello World!'")
connection.close()  # 当生产者发送完消息后，可选择关闭连接

receive端

import pika
import time
credentials = pika.PlainCredentials('shiwei', 'shiwei666666')
connection = pika.BlockingConnection(pika.ConnectionParameters(host='localhost', credentials=credentials))
channel = connection.channel()

# 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.
# 声明一个队列，生产者和消费者都要声明一个相同的队列，用来防止万一某一方挂了，另一方能正常运行
channel.queue_declare(queue='hello')

# 定义一个回调函数，用来接收生产者发送的消息
def callback(ch, method, properties, body):
    print("received msg...start processing....",body)
    time.sleep(5)
    print(" [x] msg process done....",body)

channel.basic_consume(on_message_callback=callback, # 定义一个回调函数，用来接收生产者发送的消息
                      auto_ack=True,
                      queue='hello',            # 指定取消息的队列名
                      )

print(' [*] Waiting for messages. To exit press CTRL+C')
channel.start_consuming()      #开始循环取消息

实现功能

   （1）rabbitmq循环调度公平分发，将消息循环发送给不同的消费者，如：消息1,3,5发送给消费者1；消息2,4,6发送给消费者2。
   （2）消息确认机制，为了确保一个消息不会丢失，RabbitMQ支持消息的确认 , 一个 ack(acknowlegement) 是从消费者端发送一个确认去告诉RabbitMQ 消息已经接收了、处理了，RabbitMQ可以释放并删除掉了。如果一个消费者死掉了（channel关闭、connection关闭、或者TCP连接断开了）而没有发送ack，RabbitMQ 就会认为这个消息没有被消费者处理，并会重新发送到生产者的队列里，如果同时有另外一个消费者在线，rabbitmq将会将消息很快转发到另外一个消费者中。 那样的话你就能确保虽然一个消费者死掉，但消息不会丢失。
     这个是没有超时的，当消费方（consumer）死掉后RabbitMQ会重新转发消息，即使处理这个消息需要很长很长时间也没有问题。消息的 acknowlegments 默认是打开的，在前面的例子中关闭了： auto_ack = True . 现在删除这个标识 然后 发送一个 acknowledgment。

消息持久化

 消息持久化，将消息写入硬盘中。
       注意: (1)、RabbitMQ不允许你重新定义一个已经存在、但属性不同的queue, 否则报错
            (2)、标记消息为持久化并不能完全保证消息不会丢失，尽管已经告诉RabbitMQ将消息保存到磁盘，但 
       RabbitMQ接收到的消息在还没有保存的时候，仍然有一个短暂的时间窗口。RabbitMQ不会对每个消息都执行同步 - 
      -- 可能只是保存到缓存cache还没有写入到磁盘中。因此这个持久化保证并不是很强，但这比我们简单的任务queue要 
      好很多，如果想要很强的持久化保证，可以使用 publisher confirms。
     公平调度: 在一个消费者未处理完一个消息之前不要分发新的消息给它，而是将这个新消息分发给另一个不是很忙的消费 
               者进行处理。为了解决这个问题我们可以在消费者代码中使用 channel.basic.qos (prefetch_count = 1 )，将消费者设置为公平调度

生产者

　　

import pika
import sys

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.PlainCredentials(username, pwd)

# 创建连接
conn = pika.BlockingConnection(pika.ConnectionParameters("localhost", credentials=user_pwd))
chann = conn.channel()

# 源码：
"""
#     def queue_declare(self,            # channel.queueDeclare 用来创建队列，有5个参数：
#                       queue,           # String queue, 队列名；
#                       passive=False,   # 
#                       durable=False,   # boolean durable, 该队列是否需要持久化
#                       exclusive=False, # boolean exclusive,该队列是否为该通道独占的（其他通道是否可以消费该队列）
#                       auto_delete=False, # boolean autoDelete,该队列不再使用的时候，是否让RabbitMQ服务器自动删除掉；
#                       arguments=None)

"""
chann.queue_declare(queue='test_tags', # 声明 队列， 不可与 已存在的 队列重名 ， 否则 报错
                    durable=True,      # 设置队列 持久化 ， 报 ： ChannelClosedByBroker: 406 ， 错误， passive：是屈服的意思，将passive设为True，问题解决。
                    # passive= True,
                    )
message = "My name is shiwei"

chann.basic_publish(exchange='',
                    routing_key='test_tags',                              # 表明 要将 消息 发送到哪个队列
                    body = message,
                    properties = pika.BasicProperties(delivery_mode = 2)  # 设置消息持久化， 将消息的属性设置为 2 ，表示消息持久化
                    )

print('[Publisher] Send %s' % message)
conn.close()

消费者

import pika
import time

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.PlainCredentials(username, pwd)

# 创建连接
conn = pika.BlockingConnection(pika.ConnectionParameters("localhost", credentials=user_pwd))

chann = conn.channel()

chann.queue_declare(queue='test_tags',  # 声明 队列， 不可与 已存在的 队列重名 ， 否则 报错
                    durable=True,       # 设置队列 持久化 ，
                    # passive=True,     # 是否检查当前队列 是否存在 ， True 表示 当前声明队列 为 存在 的，
                    )
# 定义 接受消息 的 回调函数
def callback(ch,method, properties, body):
    print(" [消费者] Received %r" % body)
    time.sleep(3)
    print(" [消费者] Done")
    # 手动 确认  在接收到 消息后 给 rabbitmq 发送一个 确认 ACK, 返回 消息标识符
    ch.basic_ack(delivery_tag=method.delivery_tag)
"""
    def basic_consume(self,
                      queue,
                      on_message_callback,
                      auto_ack=False,
                      exclusive=False,
                      consumer_tag=None,
                      arguments=None):
"""
chann.basic.qos (prefetch_count = 1 )
# 注意 源码中的 位置参数的位置
chann.basic_consume(queue='test_tags',
                    on_message_callback = callback,
                    # 是否 需要 自动 确认， 若为 False, 则需要在 消息回调函数中手动确认，
                    auto_ack = False,  # 默认是  False
                    )

chann.start_consuming()  # 开始 循环 接受消息

发布-订阅_广播:一对多-------交换机

 
exchange：交换机。生产者不是将消息发送给队列，而是将消息发送给交换机，由交换机决定将消息发送给哪个队列。所以 
     exchange必须准确知道消息是要送到哪个队列，还是要被丢弃。因此要在exchange中给exchange定义规则，所有的规 
      则都是在exchange的类型中定义的。
exchange有4个类型：
     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
          表达式符号说明：#代表一个或多个字符，*代表任何字符
              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　
    headers ：通过headers 来决定把消息发给哪些queue
   之前，我们并没有讲过exchange，但是我们仍然可以将消息发送到队列中。这是因为我们用的是默认exchange.也就是 
        说之前写的：exchange=''，空字符串表示默认的exchange。

exchange_type=fanout

广播类型，生产者将消息发送给所有消费者，如果某个消费者没有收到当前消息，就再也收不到了（消费者就像收音机）
           生产者：（可以用作日志收集系统）
           开启多个消费者后，会同时从生产者接收相同的消息

消息publisher

import pika

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.PlainCredentials(username, pwd)

# 创建连接
conn = pika.BlockingConnection(pika.ConnectionParameters("localhost", credentials=user_pwd))

#在连接上创建一个频道
channel = conn.channel()

#创建一个fanout(广播)类型的交换机exchange，名字为logs。
channel.exchange_declare(exchange="logs", exchange_type="fanout")
message =  "info: Hello World!"
channel.basic_publish(exchange='logs',# 指定交换机exchange为logs，这里只需要指定将消息发给交换机logs就可以了，不需要指定队列，因为生产者消息是发送给交换机的。
                      routing_key='', # 在fanout类型中，绑定关键字routing_key必须忽略，写空即可
                      body=message)
print(" [x] Sent %r" % message)
conn.close()

消息subscriber

import pika
import sys

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.PlainCredentials(username, pwd)

# 创建连接
conn = pika.BlockingConnection(pika.ConnectionParameters("localhost", credentials=user_pwd))

#在连接上创建一个频道
channel = conn.channel()

channel.exchange_declare(exchange="logs", exchange_type="fanout")  # 参数名改变了，以前版本是 type

result = channel.queue_declare(exclusive=True,  # 创建随机队列，exclusive=True（唯一性）当消费者与rabbitmq断开连接时，这个队列将自动删除。
                               queue='',)

queue_name = result.method.queue # 分配随机队列的名字。
channel.queue_bind(exchange='logs',# 将交换机、队列绑定在一起，
                   queue=queue_name,)

def callback(ch, method, properties, body):   #  定义回调函数，接收消息
    print(" [消费者] %r:%r" % (method.routing_key, body))

channel.basic_consume(queue=queue_name,
                      on_message_callback = callback,
                      auto_ack=True) # 消费者接收消息后，不给rabbimq回执确认。

channel.start_consuming() # 循环等待消息接收。

exchange_type=direct

   RabbitMQ还支持根据关键字发送，无需声明队列，即：发布时给队列绑定关键字，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。
        例如： 根据 日志级别，info, warning, error, success,本例即是。 
   注意: *****本例 需从命令行启动，给定参数-------》队列的绑定关键字
 

消息publisher

import pika
import sys

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.PlainCredentials(username, pwd)

# 创建连接
conn = pika.BlockingConnection(pika.ConnectionParameters("localhost", credentials=user_pwd))

#在连接上创建一个频道
channel = conn.channel()

#创建一个交换机并声明 direct 的类型为：关键字类型，表示该交换机会根据消息中不同的关键字将消息发送给不同的队列
channel.exchange_declare(exchange="direct_logs", exchange_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', # 指明用于发布消息的交换机、关键字
                      routing_key=severity,   # 绑定关键字，即将message与关键字info绑定，明确将消息发送到哪个关键字的队列中。
                      body=message)
print(" [x] Sent %r" % message)
conn.close()

消息subscriber

import pika
import sys

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.PlainCredentials(username, pwd)

# 创建连接
conn = pika.BlockingConnection(pika.ConnectionParameters("localhost", credentials=user_pwd))

# 在连接上创建一个频道
channel = conn.channel()

channel.exchange_declare(exchange="direct_logs", exchange_type="direct")  # 参数 名改变了， 以前是 type

result = channel.queue_declare(exclusive=True,  # 创建随机队列，当消费者与rabbitmq断开连接时，这个队列将自动删除。
                               queue='',)
queue_name = result.method.queue              # 分配随机队列的名字。

severities = sys.argv[1:]
if not severities:
    sys.stderr.write("Usage: %s [info] [warning] [error]
" % sys.argv[0])
    sys.exit(1)

for severity in severities:                   # 循环 队列， 使其与交换机绑定在一起，
    channel.queue_bind(exchange='direct_logs',
                       queue=queue_name,
                       routing_key=severity,)

def callback(ch, method, properties, body):   # 定义回调函数，接收消息
    print(" [消费者] %r:%r" % (method.routing_key, body))

channel.basic_consume(queue=queue_name,
                      on_message_callback = callback,
                      auto_ack=True,)         # 消费者接收消息后，不给rabbimq回执确认。

channel.start_consuming()                     # 循环等待消息接收。

　　

exchange_type=topic---> 模糊匹配类型。比较常用

 
  发送到一个 topics交换机的消息，它的 routing_key不能是任意的 -- 它的routing_key必须是一个用小数点分割的 
      单词列表。 这个字符可以是任何单词，但是通常是一些指定意义的字符。比如： 
      “stock.usd.nyse","nyse.vmw","quick.orange.rabbit".  这里可以是你想要路由键的任意字符。最高限制 
       为255字节。
  生产者与消费者的routing_key必须在同一个表单中。 Topic交换的背后的逻辑类似直接交换（direct） -- 包含特定关 
      键字的消息将会分发到所有匹配的关键字队列中。然后有两个重要的特殊情况：
      绑定键值：
        > * (星)  可代替一个单词
        > # (井) 可代替0个或多个单词 
       注意: *****本例 需从命令行启动，给定参数-------》队列的绑定关键字

消息publisher

import pika
import sys

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.PlainCredentials(username, pwd)

# 创建连接
conn = pika.BlockingConnection(pika.ConnectionParameters("localhost", credentials=user_pwd))

channel = conn.channel()

channel.exchange_declare(exchange='topic_logs',
                         exchange_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))
conn.close()

消息subscriber

import pika
import sys

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.PlainCredentials(username, pwd)

# 创建连接
conn = pika.BlockingConnection(pika.ConnectionParameters("localhost", credentials=user_pwd))

channel = conn.channel()

channel.exchange_declare(exchange='topic_logs',
                         exchange_type='topic')

result = channel.queue_declare(exclusive=True,
                               queue="",)
queue_name = result.method.queue

binding_keys = sys.argv[1:]
if not binding_keys:
    sys.stderr.write("Usage: %s [binding_key]...
" % 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(on_message_callback = callback,
                      queue=queue_name,
                      auto_ack=True)

channel.start_consuming()

To receive all the logs run:
   python receive_logs_topic.py "#"
To receive all logs from the facility "kern":
   python receive_logs_topic.py "kern.*"
Or if you want to hear only about "critical" logs:
   python receive_logs_topic.py "*.critical"
You can create multiple bindings:
   python receive_logs_topic.py "kern.*" "*.critical"
And to emit a log with a routing key "kern.critical" type:
   python emit_log_topic.py "kern.critical" "A critical kernel error"

exchange_type=topic----例 二 ：

生产者

import pika
import sys

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.PlainCredentials(username, pwd)

# 创建连接
conn = pika.BlockingConnection(pika.ConnectionParameters("localhost", credentials=user_pwd))

channel = conn.channel()
channel.exchange_declare(exchange='topic_logs',
                         exchange_type='topic')  # 创建模糊匹配类型的exchange。。

routing_key = '[warn].kern' # 这里关键字必须为点号隔开的单词，以便于消费者进行匹配。引申：这里可以做一个判断，判断产生的日志是什么级别，然后产生对应的routing_key，使程序可以发送多种级别的日志
message =  'Hello World!'
channel.basic_publish(exchange='topic_logs',#将交换机、关键字、消息进行绑定
                      routing_key=routing_key,  # 绑定关键字，将队列变成[warn]日志的专属队列
                      body=message)
print(" [x] Sent %r:%r" % (routing_key, message))
conn.close()

消费者

import pika
import sys

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.PlainCredentials(username, pwd)

# 创建连接
conn = pika.BlockingConnection(pika.ConnectionParameters("localhost", credentials=user_pwd))

channel = conn.channel()

channel.exchange_declare(exchange='topic_logs',
                         exchange_type='topic')  # 声明exchange的类型为模糊匹配。

result = channel.queue_declare(exclusive=True,
                               queue="",)        # 创建随机一个队列当消费者退出的时候，该队列被删除。
queue_name = result.method.queue                 # 创建一个随机队列名字。

# 绑定键。‘#’匹配所有字符，‘*’匹配一个单词。这里列表中可以为一个或多个条件，能通过列表中字符匹配到的消息，消费者都可以取到
binding_keys = ['[warn].*', 'info.*']
if not binding_keys:
    sys.stderr.write("Usage: %s [binding_key]...
" % sys.argv[0])
    sys.exit(1)

# 通过循环绑定多个“交换机-队列-关键字”，只要消费者在rabbitmq中能匹配到与关键字相应的队列，就从那个队列里取消息
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(on_message_callback=callback,
                      queue=queue_name,
                      auto_ack=True)       # 不给rabbitmq发送确认

channel.start_consuming()                  # 循环接收消息

远程过程调用（RPC）Remote procedure call

消息属性
AMQP协议在一个消息中预先定义了一个包含14个属性的集合。大部分属性很少用到，以下几种除外：
  > delivery_mode: 标记一个消息为持久的（值为2）或者 瞬时的（其它值）， 你需要记住这个属性（在第二课时用到过）
  > content_type : 用来描述 MIME 类型的编码 ,比如我们经常使用的 JSON 编码，设置这个属性就非常好实现： application/json
  > reply_to：reply_to没有特别的意义，只是一个普通的变量名，只是它通常用来命名一个 callback 队列
  > correlation_id ： 用来关联RPC的请求与应答。关联id的作用：当在一个队列中接收了一个返回，我们并不清楚这个结果时属于哪个请求的，这样当correlation_id属性使用后，我们为每个请求设置一个唯一值，这个值就是关联id。这样，请求会有一个关联id，该请求的返回结果也有一个相同的关联id。然后当我们从callback队列中接收到一个消息后，我们查看一下这个关联，基于这个我们就能将请求和返回进行匹配。如果我们看到一个未知的correlation_id值，我们可以直接丢弃这个消息 -- 它是不属于我们的请求。
RPC执行过程：
    >  当客户端启动后，它创建一个匿名的唯一的回调队列
    > 对一个RPC请求, 客户端发送一个消息包含两个属性： reply_to （用来设置回调队列）和 correlation_id（用来为每个请求设置一个唯一标识）
    > 请求发送到 rpc_queue队列
    > RPC worker( 服务端) 在那个队列中等待请求，当一个请求出现后，服务端就执行一个job并将结果消息发送给客户端，使用reply_to字段中的队列
    > 客户端在callback 队列中等待数据, 当一个消息出现后，检查这个correlation_id属性,如果和请求中的值匹配将返回给应用

RPC Running Detail:
    >  当客户端启动后，它创建一个匿名的唯一的回调队列
    > 对一个RPC请求, 客户端发送一个消息包含两个属性： reply_to （用来设置回调队列）和 correlation_id（用来为每个请求设置一个唯一标识）
    > 请求发送到 rpc_queue队列
    > RPC worker( 服务端) 在那个队列中等待请求，当一个请求出现后，服务端就执行一个job并将结果消息发送给客户端，使用reply_to字段中的队列
    > 客户端在callback 队列中等待数据, 当一个消息出现后，检查这个correlation_id属性,如果和请求中的值匹配将返回给应用

RPC Client

import pika
import uuid

class FibonacciRpcClient(object):
    def __init__(self):
        username = "shiwei"
        pwd = 'shiwei666666'
        user_pwd = pika.PlainCredentials(username, pwd)

        # 创建连接
        self.conn = pika.BlockingConnection(pika.ConnectionParameters("localhost", credentials=user_pwd))

        self.channel = self.conn.channel()

        result = self.channel.queue_declare(exclusive=True, queue= '')  # 随机生成 一个 queue , 用与 Server 发送消息
        self.callback_queue = result.method.queue

        self.channel.basic_consume(on_message_callback = self.on_response, auto_ack = True,  # 准备 发送 消息
                                   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.conn.process_data_events()
        return int(self.response)

fibonacci_rpc = FibonacciRpcClient()
print(" [x] Requesting fib(30)")
response = fibonacci_rpc.call(7)
print(" [.] Got %r" % response)

Client Running Detail:
   > (11) 我们建立一个连接，通道并定义一个专门的’callback‘队列用来接收回复
   > (19) 我们订阅了“callback”队列，因此我们能够接收 RPC 的返回结果
   > (21) ’on_response'  在每个返回中执行的回调是一个简单的job， 对每个返回消息将检查correlation_id是否是我们需要查找的那个ID，如果是，将保存结果到 self.response 并终端consuming循环
   > (25) 下一步，我们定义我们的main方法 - 执行实际的RPC请求
   > (27) 在这方法中，首先我们生产一个唯一的 correlatin_id 号并保存 -- 'on_response"回调函数将用着号码来匹配发送和接收的消息值
   > (28) 下一步，发布请求信息，使用两个属性： reply_to 和 correlation_id
   > (34) 这一步我们可以坐等结果的返回
   > (36) 最后我们返回结果给用户

RPC Server

import pika

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.PlainCredentials(username, pwd)

# 创建连接
conn = pika.BlockingConnection(pika.ConnectionParameters("localhost", credentials=user_pwd))

channel = conn.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(queue='rpc_queue', on_message_callback = on_request)
print(" [x] Awaiting RPC requests")
channel.start_consuming()

Server Running Detail:
    >  当客户端启动后，它创建一个匿名的唯一的回调队列
    >  对一个RPC请求, 客户端发送一个消息包含两个属性： reply_to （用来设置回调队列）和 correlation_id（用来为每个请求设置一个唯一标识）
    >  请求发送到 rpc_queue队列
    >  RPC worker( 服务端) 在那个队列中等待请求，当一个请求出现后，服务端就执行一个job并将结果消息发送给客户端，使用reply_to字段中的队列
    >  客户端在callback 队列中等待数据, 当一个消息出现后，检查这个correlation_id属性,如果和请求中的值匹配将返回给应用

RPC Demo02

处理方法描述：发送端在发送信息前，产生一个接收消息的临时队列，该队列用来接收返回的结果。其实在这里接收端、发送端 
    的概念已经比较模糊了，因为发送端也同样要接收消息，接收端同样也要发送消息，所以这里笔者使用另外的示例来演示这一过程。
示例内容：假设有一个控制中心和一个计算节点，控制中心会将一个自然数N发送给计算节点，计算节点将N值加1后，返回给控 
    制中心。这里用center.py模拟控制中心，compute.py模拟计算节点。

Client

import pika

class Center(object):
    def __init__(self):
        username = "shiwei"
        pwd = 'shiwei666666'
        user_pwd = pika.PlainCredentials(username, pwd)

        # 创建连接
        self.conn = pika.BlockingConnection(pika.ConnectionParameters("localhost", credentials=user_pwd))

        self.channel = self.conn.channel()
        # 定义接收返回消息的队列
        result = self.channel.queue_declare(exclusive=True,queue="",)
        self.callback_queue = result.method.queue

        self.channel.basic_consume(on_message_callback=self.on_response,
                                   auto_ack=True,
                                   queue=self.callback_queue)

    # 定义接收到返回消息的处理方法
    def on_response(self, ch, method, props, body):
        self.response = body

    def request(self, n):
        self.response = None
        # 发送计算请求，并声明返回队列
        self.channel.basic_publish(exchange='',
                                   routing_key='compute_queue',
                                   properties=pika.BasicProperties(
                                       reply_to=self.callback_queue,
                                   ),
                                   body=str(n))
        # 接收返回的数据
        while self.response is None:
            self.conn.process_data_events()
        return int(self.response)

center = Center()

print(" [x] Requesting increase(30)")
response = center.request(30)
print(" [.] Got %r" % (response,))

Server

import pika

username = "shiwei"
pwd = 'shiwei666666'
user_pwd = pika.PlainCredentials(username, pwd)
# 创建连接
conn = pika.BlockingConnection(pika.ConnectionParameters("localhost", credentials=user_pwd))
channel = conn.channel()

print(' [*] Waiting for n')
channel.queue_declare(queue='compute_queue')

# 将n值加1
def increase(n):
    return n + 1

# 定义接收到消息的处理方法
def request(ch, method, properties, body):
    print(" [.] increase(%s)" % (body,))

    response = increase(int(body))

    # 将计算结果发送回控制中心
    ch.basic_publish(exchange='',
                     routing_key=properties.reply_to,
                     body=str(response))
    ch.basic_ack(delivery_tag=method.delivery_tag)

channel.basic_qos(prefetch_count=1)
channel.basic_consume(on_message_callback=request,
                      queue='compute_queue')

channel.start_consuming()

参考文章：http://www.rabbitmq.com/tutorials/tutorial-six-python.html