Python和RabbitMQ-侦听来自多个渠道的消费事件的最佳方法？

Question

我有两个单独的RabbitMQ实例。我正在尝试找到聆听这两个事件的最佳方法。

例如，我可以通过以下方法使用一个事件：

credentials = pika.PlainCredentials(user, pass)
connection = pika.BlockingConnection(pika.ConnectionParameters(host="host1", credentials=credentials))
channel = connection.channel()
result = channel.queue_declare(Exclusive=True)
self.channel.queue_bind(exchange="my-exchange", result.method.queue, routing_key='*.*.*.*.*')
channel.basic_consume(callback_func, result.method.queue, no_ack=True)
self.channel.start_consuming()

我还有第二个主机“
host2”，我也想听听。我曾考虑过创建两个单独的线程来执行此操作，但据我所读，pika并不是线程安全的。有没有更好的办法？还是创建两个单独的线程，每个线程侦听不同的Rabbit实例（host1和host2）是否足够？

Answer 1

“什么是最好的方法”的答案在很大程度上取决于队列的使用模式以及“最好”的含义。由于我无法对问题发表评论，因此我将尝试提出一些可能的解决方案。

在每个示例中，我将假定已声明交换。

线程数

您可以在单个进程中使用来自不同主机上两个队列的消息pika。

您是对的-
正如它自己的FAQ所述，pika它不是线程安全的，但是可以通过为每个线程创建与RabbitMQ主机的连接来以多线程方式使用它。使此示例使用threading模块在线程中运行如下所示：

import pika
import threading


class ConsumerThread(threading.Thread):
    def __init__(self, host, *args, **kwargs):
        super(ConsumerThread, self).__init__(*args, **kwargs)

        self._host = host

    # Not necessarily a method.
    def callback_func(self, channel, method, properties, body):
        print("{} received '{}'".format(self.name, body))

    def run(self):
        credentials = pika.PlainCredentials("guest", "guest")

        connection = pika.BlockingConnection(
            pika.ConnectionParameters(host=self._host,
                                      credentials=credentials))

        channel = connection.channel()

        result = channel.queue_declare(exclusive=True)

        channel.queue_bind(result.method.queue,
                           exchange="my-exchange",
                           routing_key="*.*.*.*.*")

        channel.basic_consume(self.callback_func,
                              result.method.queue,
                              no_ack=True)

        channel.start_consuming()


if __name__ == "__main__":
    threads = [ConsumerThread("host1"), ConsumerThread("host2")]
    for thread in threads:
        thread.start()

我已经声明callback_func为纯粹ConsumerThread.name在打印邮件正文时使用的方法。它也可能是ConsumerThread类之外的函数。

工艺流程

另外，您始终可以只对要使用事件的每个队列使用用户代码运行一个进程。

import pika
import sys


def callback_func(channel, method, properties, body):
    print(body)


if __name__ == "__main__":
    credentials = pika.PlainCredentials("guest", "guest")

    connection = pika.BlockingConnection(
        pika.ConnectionParameters(host=sys.argv[1],
                                  credentials=credentials))

    channel = connection.channel()

    result = channel.queue_declare(exclusive=True)

    channel.queue_bind(result.method.queue,
                       exchange="my-exchange",
                       routing_key="*.*.*.*.*")

    channel.basic_consume(callback_func, result.method.queue, no_ack=True)

    channel.start_consuming()

然后运行：

$ python single_consume.py host1
$ python single_consume.py host2  # e.g. on another console

如果您要处理来自队列的消息的工作量很大，并且只要CPU中的核心数>
=使用者数，通常最好使用这种方法-除非您的队列在大多数情况下是空的，并且消费者不会利用此CPU时间*。

异步

另一个选择是涉及一些异步框架（例如Twisted）并在单个线程中运行整个程序。

您不能再BlockingConnection在异步代码中使用；幸运的是，pika有适配器Twisted：

from pika.adapters.twisted_connection import TwistedProtocolConnection
from pika.connection import ConnectionParameters
from twisted.internet import protocol, reactor, task
from twisted.python import log


class Consumer(object):
    def on_connected(self, connection):
        d = connection.channel()
        d.addCallback(self.got_channel)
        d.addCallback(self.queue_declared)
        d.addCallback(self.queue_bound)
        d.addCallback(self.handle_deliveries)
        d.addErrback(log.err)

    def got_channel(self, channel):
        self.channel = channel

        return self.channel.queue_declare(exclusive=True)

    def queue_declared(self, queue):
        self._queue_name = queue.method.queue

        self.channel.queue_bind(queue=self._queue_name,
                                exchange="my-exchange",
                                routing_key="*.*.*.*.*")

    def queue_bound(self, ignored):
        return self.channel.basic_consume(queue=self._queue_name)

    def handle_deliveries(self, queue_and_consumer_tag):
        queue, consumer_tag = queue_and_consumer_tag
        self.looping_call = task.LoopingCall(self.consume_from_queue, queue)

        return self.looping_call.start(0)

    def consume_from_queue(self, queue):
        d = queue.get()

        return d.addCallback(lambda result: self.handle_payload(*result))

    def handle_payload(self, channel, method, properties, body):
        print(body)


if __name__ == "__main__":
    consumer1 = Consumer()
    consumer2 = Consumer()

    parameters = ConnectionParameters()
    cc = protocol.ClientCreator(reactor,
                                TwistedProtocolConnection,
                                parameters)
    d1 = cc.connectTCP("host1", 5672)
    d1.addCallback(lambda protocol: protocol.ready)
    d1.addCallback(consumer1.on_connected)
    d1.addErrback(log.err)

    d2 = cc.connectTCP("host2", 5672)
    d2.addCallback(lambda protocol: protocol.ready)
    d2.addCallback(consumer2.on_connected)
    d2.addErrback(log.err)

    reactor.run()

如果您从中使用更多的队列，并且消费者执行的工作占用的CPU越少，该方法将更好。

Python 3

既然您已经提到pika过，由于pika尚未移植，我将自己局限于基于Python 2.x的解决方案。

但是，如果您想转到> =
3.3，则一种可能的选择是asyncio与AMQP协议（您在RabbitMQ中使用的协议）之一配合使用，例如asynqp或aioamqp。

*-请注意，这些技巧很浅-在大多数情况下，选择并不那么明显；对您而言最合适的取决于队列“饱和”（消息/时间），在收到这些消息后您将做什么工作，在什么环境下运行消费者等？除了对所有实现进行基准测试之外，没有其他方法可以确保