rabbitmq中文教程python版 - 远程过程调用

摘要：通常用于命名回调队列。对每个响应执行的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是否是我们正在寻找的。在这个方法中，首先我们生成一个唯一的数并保存回调函数将使用这个值来捕获适当的响应。

源码：https://github.com/ltoddy/rabbitmq-tutorial

(using the Pika Python client)

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。

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。

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。

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。

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。

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。