rabbitmq中文教程python版 - 远程过程调用
源码:https://github.com/ltoddy/rabbitmq-tutorial
远程过程调用(RPC)
(using the Pika Python client)
本章节教程重点介绍的内容
在第二篇教程中,我们学习了如何使用工作队列在多个工作人员之间分配耗时的任务。
但是如果我们需要在远程计算机上运行某个功能并等待结果呢?那么,这是一个不同的事情。
这种模式通常称为远程过程调用(RPC)。
在本教程中,我们将使用RabbitMQ构建一个RPC系统:一个客户端和一个可扩展的RPC服务器。
由于我们没有任何值得分发的耗时任务,我们将创建一个返回斐波那契数字的虚拟RPC服务。
客户端界面
为了说明如何使用RPC服务,我们将创建一个简单的客户端类。它将公开一个名为call的方法 ,
它发送一个RPC请求并阻塞,直到收到答案:
fibonacci_rpc = FibonacciRpcClient()
result = fibonacci_rpc.call(4)
print("fib(4) is %r" % result)
*有关RPC的说明*
虽然RPC是计算中很常见的模式,但它经常被吹毛求疵。当程序员不知道函数调用是本地的还是
慢速的RPC时会出现这些问题。像这样的混乱导致不可预知的问题,并增加了调试的不必要的复杂性,
而不是我们想要的简化软件。
铭记这一点,请考虑以下建议:
* 确保显而易见哪个函数调用是本地的,哪个是远程的。
* 记录您的系统。清楚组件之间的依赖关系。
* 处理错误情况。当RPC服务器长时间关闭时,客户端应该如何反应?
有疑问时避免RPC。如果可以的话,你应该使用异步管道 - 而不是类似于RPC的阻塞,
其结果被异步推送到下一个计算阶段。
回调队列
一般来说,通过RabbitMQ来执行RPC是很容易的。客户端发送请求消息,服务器回复响应消息。
为了接收响应,客户端需要发送一个“回调”队列地址和请求。让我们试试看:
result = channel.queue_declare(exclusive=True)
callback_queue = result.method.queue
channel.basic_publish(exchange='',
routing_key='rpc_queue',
properties=pika.BasicProperties(
reply_to = callback_queue,
),
body=request)
消息属性
AMQP 0-9-1协议预定义了一组包含14个属性的消息。大多数属性很少使用,但以下情况除外:
delivery_mode:将消息标记为持久(值为2)或瞬态(任何其他值)。你可能会记得第二篇教程中的这个属性。
content_type:用于描述编码的MIME类型。例如,对于经常使用的JSON编码,将此属性设置为application/json是一种很好的做法。
reply_to:通常用于命名回调队列。
correlation_id:用于将RPC响应与请求关联起来。
相关ID
在上面介绍的方法中,我们建议为每个RPC请求创建一个回调队列。这是非常低效的,
但幸运的是有一个更好的方法 - 让我们为每个客户端创建一个回调队列。
这引发了一个新问题,在该队列中收到回复后,不清楚回复属于哪个请求。那是什么时候使用correlation_id属性。
我们将把它设置为每个请求的唯一值。稍后,当我们在回调队列中收到消息时,我们将查看此属性,
并基于此属性,我们将能够将响应与请求进行匹配。如果我们看到未知的correlation_id值,
我们可以放心地丢弃该消息 - 它不属于我们的请求。
您可能会问,为什么我们应该忽略回调队列中的未知消息,而不是抛出错误?
这是由于服务器端可能出现竞争状况。虽然不太可能,但在发送给我们答案之后,但在发送请求的确认消息之前,
RPC服务器可能会死亡。如果发生这种情况,重新启动的RPC服务器将再次处理该请求。
这就是为什么在客户端,我们必须优雅地处理重复的响应,理想情况下RPC应该是等幂的。
总结
image我们的RPC会像这样工作:
- 当客户端启动时,它创建一个匿名独占回调队列。
- 对于RPC请求,客户端将发送具有两个属性的消息:reply_to,该消息设置为回调队列和correlation_id,该值设置为每个请求的唯一值。
- 该请求被发送到rpc_queue队列。
- RPC worker(又名:服务器)正在等待该队列上的请求。当出现请求时,它执行该作业,并使用reply_to字段中的队列将结果发送回客户端。
- 客户端在回调队列中等待数据。当出现消息时,它会检查correlation_id属性。如果它匹配来自请求的值,则返回对应用程序的响应。
把它放在一起
rpc_server.py的代码:
#!/usr/bin/env python
import pika
connection = pika.BlockingConnection(pika.ConnectionParameters('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_size=1)
channel.basic_consume(on_request, queue='rpc_queue')
print(" [x] Awaiting RPC requests")
channel.start_consuming()
服务器代码非常简单:
- (4)像往常一样,我们首先建立连接并声明队列。
- (11)我们声明我们的斐波那契函数。它只假定有效的正整数输入。(不要指望这个版本适用于大数字,它可能是最慢的递归实现)。
- (20)我们声明了basic_consume的回调,它是RPC服务器的核心。它在收到请求时执行。它完成工作并将响应发回。
- (34)我们可能想运行多个服务器进程。为了在多台服务器上平均分配负载,我们需要设置prefetch_count设置。
rpc_client.py的代码:
#!/usr/bin/env python
import pika
import uuid
class FibonacciRpcClient:
def __init__(self):
self.connection = pika.BlockingConnection(pika.ConnectionParameters('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)
def on_response(self, ch, method, props, body):
if self.corr_id == props.corrrelation_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)
客户端代码稍有涉及:
- (8)我们建立连接,通道并为回复声明独占的“回调”队列。
- (17)我们订阅'回调'队列,以便我们可以接收RPC响应。
- (19)对每个响应执行的'on_response'回调函数做了一个非常简单的工作,对于每个响应消息它检查correlation_id是否是我们正在寻找的。如果是这样,它将保存self.response中的响应并打破消费循环。
- (23)接下来,我们定义我们的主要调用方法 - 它执行实际的RPC请求。
- (25)在这个方法中,首先我们生成一个唯一的correlation_id数并保存 - 'on_response'回调函数将使用这个值来捕获适当的响应。
- (29)接下来,我们发布具有两个属性的请求消息:reply_to和correlation_id。
- (32)在这一点上,我们可以坐下来等待,直到适当的回应到达。
- (41)最后,我们将回复返回给用户。