Python rabbitmq的使用（七）

时间 2019-11-12

原文原文链接

上一遍演示了远程结果返回的示例，可是有一个没有提到，就是correlation id，这个是个什么东东呢？python

假设有多个计算节点，控制中心开启多个线程，往这些计算节点发送数字，要求计算结果并返回，可是控制中心只开启了一个队列，全部线程都是从这个队列里获取消息，每一个线程如何肯定收到的消息就是该线程对应的呢？这个就是correlation id的用处了。correlation翻译成中文就是相互关联，也表达了这个意思。服务器

correlation id运行原理：控制中心发送计算请求时设置correlation id，然后计算节点将计算结果，连同接收到的correlation id一块儿返回，这样控制中心就能经过correlation id来标识请求。其实correlation id也能够理解为请求的惟一标识码。app

示例内容：控制中心开启多个线程，每一个线程都发起一次计算请求，经过correlation id，每一个线程都能准确收到相应的计算结果。性能

compute.py代码分析fetch

和上面一篇相比，只需修改一个地方：将计算结果发送回控制中心时，增长参数correlation_id的设定，该参数的值实际上是从控制中心发送过来的，这里只是再次发送回去。代码以下：ui

1spa

2线程

3翻译

4code

#!/usr/bin/env python

#coding=utf8

import pika

#链接rabbitmq服务器

connection = pika.BlockingConnection(pika.ConnectionParameters(

host='localhost'))

channel = connection.channel()

#定义队列

channel.queue_declare(queue='compute_queue')

print ' [*] Waiting for n'

#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, props, body):

print " [.] increase(%s)" % (body,)

response = increase(int(body))

#将计算结果发送回控制中心，增长correlation_id的设定

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(request, queue='compute_queue')

channel.start_consuming()

center.py代码分析

控制中心代码稍微复杂些，其中比较关键的有三个地方：

使用python的uuid来产生惟一的correlation_id。
发送计算请求时，设定参数correlation_id。
定义一个字典来保存返回的数据，而且键值为相应线程产生的correlation_id。

代码以下：

#!/usr/bin/env python

#coding=utf8

import pika, threading, uuid

#自定义线程类，继承threading.Thread

class MyThread(threading.Thread):

def __init__(self, func, num):

super(MyThread, self).__init__()

self.func = func

self.num = num

def run(self):

print " [x] Requesting increase(%d)" % self.num

response = self.func(self.num)

print " [.] increase(%d)=%d" % (self.num, response)

#控制中心类

class Center(object):

def __init__(self):

self.connection = pika.BlockingConnection(pika.ConnectionParameters(

host='localhost'))

self.channel = self.connection.channel()

#定义接收返回消息的队列

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)

#返回的结果都会存储在该字典里

self.response = {}

#定义接收到返回消息的处理方法

def on_response(self, ch, method, props, body):

self.response[props.correlation_id] = body

def request(self, n):

corr_id = str(uuid.uuid4())

self.response[corr_id] = None

#发送计算请求，并设定返回队列和correlation_id

self.channel.basic_publish(exchange='',

routing_key='compute_queue',

properties=pika.BasicProperties(

reply_to = self.callback_queue,

correlation_id = corr_id,

),

body=str(n))

#接收返回的数据

while self.response[corr_id] is None:

self.connection.process_data_events()

return int(self.response[corr_id])

center = Center()

#发起5次计算请求

nums= [10, 20, 30, 40 ,50]

threads = []

for num in nums:

threads.append(MyThread(center.request, num))

for thread in threads:

thread.start()

for thread in threads:

thread.join()

笔者开启了两个终端，来运行compute.py，开启一个终端来运行center.py，最后结果输出截图以下：

python使用rabbitmq多节点结果返回图示

能够看到虽然获取的结果不是顺序输出，可是结果和源数据都是对应的。

这边示例的作法就是建立一个队列，使用correlation id来标识每次请求。也有作法能够不使用correlation id，就是每请求一次，就建立一个临时队列，不过这样太消耗性能了，官方也不推荐这么作。