12.1 rabbitMQ

1. 你了解的消息隊列

生活裏的消息隊列，如同郵局的郵箱，
如果沒郵箱的話，
郵件必須找到郵件那個人，遞給他，才玩完成，那這個任務會處理的很麻煩，很慢，效率很低

但是如果有了郵箱，
郵件直接丟給郵箱，用戶只需要去郵箱裏面去找，有沒有郵件，有就拿走，沒有就下次再來，這樣可以極大的提升郵件收發效率！

rabbitmq是一個消息代理，它接收和轉發消息，可以理解為是生活的郵局。
你可以將郵件放在郵箱裏，你可以確定有郵遞員會發送郵件給收件人。
概括：
rabbitmq是接收，存儲，轉發數據的。
 
官方教程：http://www.rabbitmq.com/tutorials/tutorial-one-python.html

消息（Message）是指在應用間傳送的數據。消息可以非常簡單，比如只包含文本字符串，也可以更復雜，可能包含嵌入對象。

消息隊列（Message Queue）是一種應用間的通信方式，消息發送後可以立即返回，由消息系統來確保消息的可靠傳遞。消息發布者只管把消息發布到 MQ 中而不用管誰來取，消息使用者只管從 MQ 中取消息而不管是誰發布的。這樣發布者和使用者都不用知道對方的存在。

2. 公司在什麽情況下會用消息隊列?

1.電商訂單

想必同學們都點過外賣，點擊下單後的業務邏輯可能包括：檢查庫存、生成單據、發紅包、短信通知等，如果這些業務同步執行，完成下單率會非常低，如發紅包，短信通知等不必要的流程，異步執行即可。

此時使用MQ，可以在核心流程（扣減庫存、生成訂單記錄）等完成後發送消息到MQ，快速結束本次流程。消費者拉取MQ消息時，發現紅包、短信等消息時，再進行處理。

場景：雙11是購物狂節,用戶下單後,訂單系統需要通知庫存系統,傳統的做法就是訂單系統調用庫存系統的接口

這種做法有一個缺點:

• 當庫存系統出現故障時,訂單就會失敗。(這樣馬雲將少賺好多好多錢錢。。。。)

• 訂單系統和庫存系統高耦合.

引入消息隊列

• 訂單系統:用戶下單後,訂單系統完成持久化處理,將消息寫入消息隊列,返回用戶訂單下單成功。

• 庫存系統:訂閱下單的消息,獲取下單消息,進行庫操作。 就算庫存系統出現故障,消息隊列也能保證消息的可靠投遞,不會導致消息丟失(馬雲這下高興了，鈔票快快的來呀~~).

2.秒殺活動

流量削峰一般在秒殺活動中應用廣泛 場景:秒殺活動，一般會因為流量過大，導致應用掛掉,為了解決這個問題，一般在應用前端加入消息隊列。 作用: 1.可以控制活動人數，超過此一定閥值的訂單直接丟棄(怪不得我一次秒殺都沒搶到過。。。。。wtf？？？)

2.可以緩解短時間的高流量壓垮應用(應用程序按自己的最大處理能力獲取訂單)

3.用戶的請求，服務器接收到之後，寫入消息隊列，超過定義的閾值就直接丟棄請求，或者跳轉錯誤頁面。

4.業務系統取出隊列中的消息，再做後續處理。

3. rabbitMQ安裝

rabbitmq-server服務端

1.下載centos源
wget -O /etc/yum.repos.d/CentOS-Base.repo   http://mirrors.cloud.tencent.com/repo/centos7_base.repo
2.下載epel源
wget -O /etc/yum.repos.d/epel.repo http://mirrors.cloud.tencent.com/repo/epel-7.repo
3.清空yum緩存並且生成新的yum緩存
yum clean all
yum makecache
4.安裝erlang
   $ yum -y install erlang
5.安裝RabbitMQ
   $ yum -y install rabbitmq-server
6.啟動(無用戶名密碼):
    systemctl start/stop/restart/status rabbitmq-server
?
設置rabbitmq賬號密碼，以及角色權限設置

# 設置新用戶yugo 密碼123
sudo rabbitmqctl add_user yugo 123
?
# 設置用戶為administrator角色
sudo rabbitmqctl set_user_tags yugo administrator
?
# 設置權限，允許對所有的隊列都有權限
對何種資源具有配置、寫、讀的權限通過正則表達式來匹配，具體命令如下：
set_permissions [-p <vhostpath>] <user> <conf> <write> <read>

sudo rabbitmqctl set_permissions -p "/" yugo ".*" ".*" ".*"
?
#重啟服務生效設置
service rabbitmq-server start/stop/restart
rabbitmq相關命令

// 新建用戶
rabbitmqctl add_user {用戶名} {密碼}
?
// 設置權限
rabbitmqctl set_user_tags {用戶名} {權限}
?
// 查看用戶列表
rabbitmqctl list_users
?
// 為用戶授權
添加 Virtual Hosts ：    
rabbitmqctl add_vhost <vhost>    
?
// 刪除用戶
rabbitmqctl delete_user Username
?
// 修改用戶的密碼
rabbitmqctl change_password Username Newpassword
    
// 刪除 Virtual Hosts ：    
rabbitmqctl delete_vhost <vhost>    
    
// 添加 Users ：    
rabbitmqctl add_user <username> <password>    
rabbitmqctl set_user_tags <username> <tag> ...    
rabbitmqctl set_permissions [-p <vhost>] <user> <conf> <write> <read>    
    
// 刪除 Users ：    
delete_user <username>   
?
// 使用戶user1具有vhost1這個virtual host中所有資源的配置、寫、讀權限以便管理其中的資源
rabbitmqctl  set_permissions -p vhost1 user1 ‘.*‘ ‘.*‘ ‘.*‘ 
?
// 查看權限
rabbitmqctl list_user_permissions user1
?
rabbitmqctl list_permissions -p vhost1
?
// 清除權限
rabbitmqctl clear_permissions [-p VHostPath] User
?
//清空隊列步驟
rabbitmqctl reset 
需要提前關閉應用rabbitmqctl stop_app ，
然後再清空隊列，啟動應用
rabbitmqctl start_app
此時查看隊列rabbitmqctl list_queues
?
查看所有的exchange：                              rabbitmqctl list_exchanges
查看所有的queue：                                 rabbitmqctl list_queues
查看所有的用戶：                                   rabbitmqctl list_users
查看所有的綁定（exchange和queue的綁定信息）：         rabbitmqctl list_bindings
查看消息確認信息：
rabbitmqctl list_queues name messages_ready messages_unacknowledged
查看RabbitMQ狀態，包括版本號等信息：rabbitmqctl status

#開啟web界面rabbitmq
rabbitmq-plugins enable rabbitmq_management

#訪問web界面
http://server-name:15672/

RabbitMQ組件解釋

AMQP

AMQP協議是一個高級抽象層消息通信協議，RabbitMQ是AMQP協議的實現。它主要包括以下組件：

1.Server(broker): 接受客戶端連接，實現AMQP消息隊列和路由功能的進程。

2.Virtual Host:其實是一個虛擬概念，類似於權限控制組，一個Virtual Host裏面可以有若幹個Exchange和Queue，但是權限控制的最小粒度是Virtual Host

3.Exchange:接受生產者發送的消息，並根據Binding規則將消息路由給服務器中的隊列。ExchangeType決定了Exchange路由消息的行為，例如，在RabbitMQ中，ExchangeType有direct、Fanout和Topic三種，不同類型的Exchange路由的行為是不一樣的。

4.Message Queue：消息隊列，用於存儲還未被消費者消費的消息。

5.Message: 由Header和Body組成，Header是由生產者添加的各種屬性的集合，包括Message是否被持久化、由哪個Message Queue接受、優先級是多少等。而Body是真正需要傳輸的APP數據。

6.Binding:Binding聯系了Exchange與Message Queue。Exchange在與多個Message Queue發生Binding後會生成一張路由表，路由表中存儲著Message Queue所需消息的限制條件即Binding Key。當Exchange收到Message時會解析其Header得到Routing Key，Exchange根據Routing Key與Exchange Type將Message路由到Message Queue。Binding Key由Consumer在Binding Exchange與Message Queue時指定，而Routing Key由Producer發送Message時指定，兩者的匹配方式由Exchange Type決定。

7.Connection:連接，對於RabbitMQ而言，其實就是一個位於客戶端和Broker之間的TCP連接。

8.Channel:信道，僅僅創建了客戶端到Broker之間的連接後，客戶端還是不能發送消息的。需要為每一個Connection創建Channel，AMQP協議規定只有通過Channel才能執行AMQP的命令。一個Connection可以包含多個Channel。之所以需要Channel，是因為TCP連接的建立和釋放都是十分昂貴的，如果一個客戶端每一個線程都需要與Broker交互，如果每一個線程都建立一個TCP連接，暫且不考慮TCP連接是否浪費，就算操作系統也無法承受每秒建立如此多的TCP連接。RabbitMQ建議客戶端線程之間不要共用Channel，至少要保證共用Channel的線程發送消息必須是串行的，但是建議盡量共用Connection。

9.Command:AMQP的命令，客戶端通過Command完成與AMQP服務器的交互來實現自身的邏輯。例如在RabbitMQ中，客戶端可以通過publish命令發送消息，txSelect開啟一個事務，txCommit提交一個事務。

python客戶端

// rabbitmq官方推薦的python客戶端pika模塊
pip3 install pika

應用場景1：單發送單接收

生產-消費者模型

P   是生產者
C   是消費者
中間hello是消息隊列
可以有多個P、多個C
?
P發送消息給hello隊列，C消費者從隊列中獲取消息，默認輪詢方式

生產者send.py

我們的第一個程序send.py將向隊列發送一條消息。我們需要做的第一件事是建立與RabbitMQ服務器的連接。

#!/usr/bin/env python
import pika
# 創建憑證，使用rabbitmq用戶密碼登錄
# 去郵局取郵件，必須得驗證身份
credentials = pika.PlainCredentials("s14","123")
# 新建連接，這裏localhost可以更換為服務器ip
# 找到這個郵局，等於連接上服務器
connection = pika.BlockingConnection(pika.ConnectionParameters(‘192.168.119.10‘,credentials=credentials))
# 創建頻道
# 建造一個大郵箱，隸屬於這家郵局的郵箱，就是個連接
channel = connection.channel()
# 聲明一個隊列，用於接收消息，隊列名字叫“水許傳”
channel.queue_declare(queue=‘水許傳‘)
# 註意在rabbitmq中，消息想要發送給隊列，必須經過交換(exchange)，初學可以使用空字符串交換(exchange=‘‘)，它允許我們精確的指定發送給哪個隊列(routing_key=‘‘),參數body值發送的數據
channel.basic_publish(exchange=‘‘,
                      routing_key=‘水許傳‘,
                      body=‘武松又去打老虎啦2‘)
print("已經發送了消息")
# 程序退出前，確保刷新網絡緩沖以及消息發送給rabbitmq，需要關閉本次連接
connection.close()

可以同時存在多個接受者，等待接收隊列的消息，默認是輪訓方式分配消息

接受者receive.py，可以運行多次，運行多個消費者

import pika
# 建立與rabbitmq的連接
credentials = pika.PlainCredentials("s14","123")
connection = pika.BlockingConnection(pika.ConnectionParameters(‘192.168.119.10‘,credentials=credentials))
channel = connection.channel()
channel.queue_declare(queue="水許傳")

def callbak(ch,method,properties,body):
    print("消費者接收到了任務：%r"%body.decode("utf8"))
# 有消息來臨，立即執行callbak，沒有消息則夯住，等待消息
# 老百姓開始去郵箱取郵件啦，隊列名字是水許傳
channel.basic_consume(callbak,queue="水許傳",no_ack=True)
# 開始消費，接收消息
channel.start_consuming()

練習：

分別啟動生產者、兩個消費者，往隊列發送數據，查看消費者的結果

應用場景2：單發送多接收

使用場景：一個發送端，多個接收端，如分布式的任務派發。為了保證消息發送的可靠性，不丟失消息，使消息持久化了。同時為了防止接收端在處理消息時down掉，只有在消息處理完成後才發送ack消息。

rabbitmq消息確認之ack

官網資料：http://www.rabbitmq.com/tutorials/tutorial-two-python.html

默認情況下，生產者發送數據給隊列，消費者取出消息後，數據將被清除。

特殊情況，如果消費者處理過程中，出現錯誤，數據處理沒有完成，那麽這段數據將從隊列丟失

no-ack機制

不確認機制也就是說每次消費者接收到數據後，不管是否處理完畢，rabbitmq-server都會把這個消息標記完成，從隊列中刪除

ACK機制

ACK機制用於保證消費者如果拿了隊列的消息，客戶端處理時出錯了，那麽隊列中仍然還存在這個消息，提供下一位消費者繼續取

流程

1.生產者無須變動，發送消息
2.消費者如果no_ack=True啊，數據消費後如果出錯就會丟失
反之no_ack=False，數據消費如果出錯，數據也不會丟失

3.ack機制在消費者代碼中演示

生產者.py 只負責發送數據即可，無須變動

#!/usr/bin/env python
import pika
# 創建憑證，使用rabbitmq用戶密碼登錄
# 去郵局取郵件，必須得驗證身份
credentials = pika.PlainCredentials("s14","123")
# 新建連接，這裏localhost可以更換為服務器ip
# 找到這個郵局，等於連接上服務器
connection = pika.BlockingConnection(pika.ConnectionParameters(‘192.168.119.10‘,credentials=credentials))
# 創建頻道
# 建造一個大郵箱，隸屬於這家郵局的郵箱，就是個連接
channel = connection.channel()
# 新建一個hello隊列，用於接收消息
# 這個郵箱可以收發各個班級的郵件，通過
channel.queue_declare(queue=‘金品沒‘)
# 註意在rabbitmq中，消息想要發送給隊列，必須經過交換(exchange)，初學可以使用空字符串交換(exchange=‘‘)，它允許我們精確的指定發送給哪個隊列(routing_key=‘‘),參數body值發送的數據
channel.basic_publish(exchange=‘‘,
                      routing_key=‘金品沒‘,
                      body=‘潘金蓮又出去。。。‘)
print("已經發送了消息")
# 程序退出前，確保刷新網絡緩沖以及消息發送給rabbitmq，需要關閉本次連接
connection.close()

消費者.py給與ack回復

拿到消息必須給rabbitmq服務端回復ack信息，否則消息不會被刪除，防止客戶端出錯，數據丟失

import pika

credentials = pika.PlainCredentials("s14","123")
connection = pika.BlockingConnection(pika.ConnectionParameters(‘192.168.119.10‘,credentials=credentials))
channel = connection.channel()

# 聲明一個隊列(創建一個隊列)
channel.queue_declare(queue=‘金品沒‘)

def callback(ch, method, properties, body):
    print("消費者接受到了任務: %r" % body.decode("utf-8"))
    # int(‘asdfasdf‘)
    # 我告訴rabbitmq服務端，我已經取走了消息
    # 回復方式在這
    ch.basic_ack(delivery_tag=method.delivery_tag)
# 關閉no_ack，代表給與服務端ack回復，確認給與回復
channel.basic_consume(callback,queue=‘金品沒‘,no_ack=False)

channel.start_consuming()

消息持久化

演示
1.執行生產者，向隊列寫入數據，產生一個新隊列queue
2.重啟服務端，隊列丟失

3.開啟生產者數據持久化後，重啟rabbitmq，隊列不丟失
4.依舊可以讀取數據

消息的可靠性是RabbitMQ的一大特色，那麽RabbitMQ是如何保證消息可靠性的呢——消息持久化。 為了保證RabbitMQ在退出或者crash等異常情況下數據沒有丟失，需要將queue，exchange和Message都持久化。

生產者.py

import pika
# 無密碼
# connection = pika.BlockingConnection(pika.ConnectionParameters(‘123.206.16.61‘))
# 有密碼
credentials = pika.PlainCredentials("s14","123")
connection = pika.BlockingConnection(pika.ConnectionParameters(‘192.168.119.10‘,credentials=credentials))
channel = connection.channel()
# 聲明一個隊列(創建一個隊列)
# 默認此隊列不支持持久化，如果服務掛掉，數據丟失
# durable=True 開啟持久化，必須新開啟一個隊列，原本的隊列已經不支持持久化了
‘‘‘
實現rabbitmq持久化條件
 delivery_mode=2
使用durable=True聲明queue是持久化
 
‘‘‘
channel.queue_declare(queue=‘LOL‘,durable=True)
channel.basic_publish(exchange=‘‘,
                      routing_key=‘LOL‘, # 消息隊列名稱
                      body=‘德瑪西亞萬歲‘,
                      # 支持數據持久化
                      properties=pika.BasicProperties(
                          delivery_mode=2,#代表消息是持久的  2
                      )
                      )
connection.close()

?

消費者.py

?

import pika
credentials = pika.PlainCredentials("s14","123")
connection = pika.BlockingConnection(pika.ConnectionParameters(‘192.168.119.10‘,credentials=credentials))
channel = connection.channel()
# 確保隊列持久化
channel.queue_declare(queue=‘LOL‘,durable=True)

‘‘‘
必須確保給與服務端消息回復，代表我已經消費了數據，否則數據一直持久化，不會消失
‘‘‘
def callback(ch, method, properties, body):
    print("消費者接受到了任務: %r" % body.decode("utf-8"))
    # 模擬代碼報錯
    # int(‘asdfasdf‘)    # 此處報錯，沒有給予回復，保證客戶端掛掉，數據不丟失
   
    # 告訴服務端，我已經取走了數據，否則數據一直存在
    ch.basic_ack(delivery_tag=method.delivery_tag)
# 關閉no_ack，代表給與回復確認
channel.basic_consume(callback,queue=‘LOL‘,no_ack=False)
channel.start_consuming()

Exchange模型

rabbitmq發送消息首先是發給exchange，然後再通過exchange發送消息給隊列（queue）

exchange有四種模式

fanout

exchange將消息發送給和該exchange連接的所有queue；也就是所謂的廣播模式；此模式下忽略routing_key；

direct

路由模式，通過routing_key將消息發送給對應的queue; 如下面這句即可設置exchange為direct模式，只有routing_key為“black”時才將其發送到隊列queue_name；channel.queue_bind(exchange=exchange_name,queue=queue_name,routing_key=‘black‘)

在上圖中，Q1和Q2可以綁定同一個key，如綁定routing_key=‘KeySame’，那麽收到routing_key為KeySame的消息時將會同時發送給Q1和Q2，退化為廣播模式；

top

topic模式類似於direct模式，只是其中的routing_key變成了一個有“.”分隔的字符串，“.”將字符串分割成幾個單詞，每個單詞代表一個條件；

headers

headers類型的Exchange不依賴於routing key與binding key的匹配規則來路由消息，而是根據發送的消息內容中的headers屬性進行匹配。

官方教程：http://www.rabbitmq.com/tutorials/tutorial-three-python.html

發布訂閱和簡單的消息隊列區別在於，發布訂閱會將消息發送給所有的訂閱者，而消息隊列中的數據被消費一次便消失。所以，RabbitMQ實現發布和訂閱時，會為每一個訂閱者創建一個隊列，而發布者發布消息時，會將消息放置在所有相關隊列中。

# fanout所有的隊列放一份/給某些隊列發
# 傳送消息的模式
# 與exchange有關的模式都發
exchange_type = fanout

消費者_訂閱.py

可以運行多次，運行多個消費者，等待消息

import pika
?
credentials = pika.PlainCredentials("root","123")
connection = pika.BlockingConnection(pika.ConnectionParameters(‘123.206.16.61‘,credentials=credentials))
channel = connection.channel()
?
# exchange=‘m1‘,exchange(秘書)的名稱
# exchange_type=‘fanout‘ , 秘書工作方式將消息發送給所有的隊列
channel.exchange_declare(exchange=‘m1‘,exchange_type=‘fanout‘)
?
# 隨機生成一個隊列
result = channel.queue_declare(exclusive=True)
queue_name = result.method.queue
?
# 讓exchange和queque進行綁定.
channel.queue_bind(exchange=‘m1‘,queue=queue_name)
?
?
def callback(ch, method, properties, body):
    print("消費者接受到了任務: %r" % body)
?
channel.basic_consume(callback,queue=queue_name,no_ack=True)
?
channel.start_consuming()

生產者_發布者.py

# -*- coding: utf-8 -*-
# __author__ = "yugo"
?
?
import pika
credentials = pika.PlainCredentials("root","123")
connection = pika.BlockingConnection(pika.ConnectionParameters(‘123.206.16.61‘,credentials=credentials))
channel = connection.channel()
?
# 指定exchange
channel.exchange_declare(exchange=‘m1‘,exchange_type=‘fanout‘)
?
channel.basic_publish(exchange=‘m1‘,
                      routing_key=‘‘,# 這裏不再指定隊列，由exchange分配,如果是fanout模式，每一個隊列放一份
                      body=‘haohaio‘)
?
connection.close()
?

實例

1.可以運行多個消費者，相當於有多個滴滴司機，等待著Exchange同一個電臺發消息
2.運行發布者，發送消息給Exchange，查看是否給所有的隊列(滴滴司機)發送了消息

關鍵字發布Exchange

之前事例，發送消息時明確指定某個隊列並向其中發送消息，RabbitMQ還支持根據關鍵字發送，即：隊列綁定關鍵字，發送者將數據根據關鍵字發送到消息exchange，exchange根據 關鍵字 判定應該將數據發送至指定隊列。

消費者1.py

路由關鍵字是sb,alex

# -*- coding: utf-8 -*-
# __author__ = "maple"
import pika
?
credentials = pika.PlainCredentials("root","123")
connection = pika.BlockingConnection(pika.ConnectionParameters(‘123.206.16.61‘,credentials=credentials))
channel = connection.channel()
?
# exchange=‘m1‘,exchange(秘書)的名稱
# exchange_type=‘fanout‘ , 秘書工作方式將消息發送給所有的隊列
channel.exchange_declare(exchange=‘m2‘,exchange_type=‘direct‘)
?
# 隨機生成一個隊列,隊列退出時，刪除這個隊列
result = channel.queue_declare(exclusive=True)
queue_name = result.method.queue
?
# 讓exchange和queque進行綁定，只要
channel.queue_bind(exchange=‘m2‘,queue=queue_name,routing_key=‘alex‘)
channel.queue_bind(exchange=‘m2‘,queue=queue_name,routing_key=‘sb‘)
?
?
def callback(ch, method, properties, body):
    print("消費者接受到了任務: %r" % body)
?
channel.basic_consume(callback,queue=queue_name,no_ack=True)
?
channel.start_consuming()
?
?
?

消費者2.py

路由關鍵字sb

# -*- coding: utf-8 -*-
# __author__ = "maple"
import pika
?
credentials = pika.PlainCredentials("root","123")
connection = pika.BlockingConnection(pika.ConnectionParameters(‘123.206.16.61‘,credentials=credentials))
channel = connection.channel()
?
# exchange=‘m1‘,exchange(秘書)的名稱
# exchange_type=‘fanout‘ , 秘書工作方式將消息發送給所有的隊列
channel.exchange_declare(exchange=‘m2‘,exchange_type=‘direct‘)
?
# 隨機生成一個隊列
result = channel.queue_declare(exclusive=True)
queue_name = result.method.queue
?
# 讓exchange和queque進行綁定.
channel.queue_bind(exchange=‘m2‘,queue=queue_name,routing_key=‘sb‘)
?
?
def callback(ch, method, properties, body):
    print("消費者接受到了任務: %r" % body)
?
channel.basic_consume(callback,queue=queue_name,no_ack=True)
?
channel.start_consuming()

生產者.py

發送消息給匹配的路由，sb或者alex

# -*- coding: utf-8 -*-
# __author__ = "yugo"
?
?
import pika
credentials = pika.PlainCredentials("root","123")
connection = pika.BlockingConnection(pika.ConnectionParameters(‘123.206.16.61‘,credentials=credentials))
channel = connection.channel()
?
# 路由模式的交換機會發送給綁定的key和routing_key匹配的隊列
channel.exchange_declare(exchange=‘m2‘,exchange_type=‘direct‘)
# 發送消息，給有關sb的路由關鍵字
channel.basic_publish(exchange=‘m2‘,
                      routing_key=‘sb‘,
                      body=‘aaaalexlaolelaodi‘)
?
connection.close()

RPC之遠程過程調用

將一個函數運行在遠程計算機上並且等待獲取那裏的結果，這個稱作遠程過程調用（Remote Procedure Call）或者 RPC。

RPC是一個計算機通信協議。

比喻

將計算機服務運行理解為廚師做飯，廚師想做一個小蔥拌豆腐，廚師需要洗小蔥、切豆腐、調汁、涼拌。他一個人完成所有的事，如同古老的集中式應用，一臺計算機做所有的事。
?
制作小蔥拌豆腐{
    廚師>洗小蔥>切豆腐>涼拌
}

rpc應用場景

而如今，飯店做大了，有錢了，專職分工來幹活，不再是廚師單打獨鬥，備菜師傅準備小蔥、豆腐，切菜師傅切小蔥、豆腐，廚師只負責調味，完成食品。
?
制作小蔥拌豆腐{
    備菜師>洗菜
    切菜師>切菜
    廚師>調味
}

此時一件事好多人在做，廚師就得和其他人溝通，通知備菜、洗菜師傅的這個動作就是遠程過程調用（RPC）。

這個過程在計算機系統中，一個電商的下單過程，涉及物流、支付、庫存、紅包等多個系統，多個系統又在多個服務器上，由不同的技術團隊負責，整個下單過程，需要所有團隊進行遠程調用。

下單{
    庫存>減少庫存
    支付>扣款
    紅包>減免紅包
    物流>生成訂單
}

到底什麽是rpc

rpc指的是在計算機A上的進程，調用另外一臺計算機B的進程，A上的進程被掛起，B上的被調用進程開始執行後，產生返回值給A，A繼續執行。
調用方可以通過參數將信息傳遞給被調用方，而後通過返回結果得到信息，這個過程對於開發人員來說是透明的。
?
如同廚師一樣，服務員把菜單給後廚，廚師告訴洗菜人，備菜人，開始工作，完成工作後，整個過程對於服務員是透明的，他完全不用管後廚是怎麽把菜做好的。

由於服務在不同的機器上，遠程調用必經網絡通信，調用服務必須寫一坨網絡通信代碼，很容易出錯且很復雜，因此就出現了RPC框架。

阿裏巴巴的 Dubbo     java
新浪的     Motan    java
谷歌的     gRPC     多語言
Apache      thrift  多語言

rpc封裝了數據的序列化，反序列化，以及傳輸協議

python實現RPC

利用RabbitMQ構建一個RPC系統，包含了客戶端和RPC服務器，依舊使用pika模塊

Callback queue 回調隊列

一個客戶端向服務器發送請求，服務器端處理請求後，將其處理結果保存在一個存儲體中。而客戶端為了獲得處理結果，那麽客戶在向服務器發送請求時，同時發送一個回調隊列地址reply_to。

Correlation id 關聯標識

一個客戶端可能會發送多個請求給服務器，當服務器處理完後，客戶端無法辨別在回調隊列中的響應具體和那個請求時對應的。為了處理這種情況，客戶端在發送每個請求時，同時會附帶一個獨有correlation_id屬性，這樣客戶端在回調隊列中根據correlation_id字段的值就可以分辨此響應屬於哪個請求。

客戶端發送請求：某個應用將請求信息交給客戶端，然後客戶端發送RPC請求，在發送RPC請求到RPC請求隊列時，客戶端至少發送帶有reply_to以及correlation_id兩個屬性的信息
?
服務器端工作流： 等待接受客戶端發來RPC請求，當請求出現的時候，服務器從RPC請求隊列中取出請求，然後處理後，將響應發送到reply_to指定的回調隊列中
?
客戶端接受處理結果： 客戶端等待回調隊列中出現響應，當響應出現時，它會根據響應中correlation_id字段的值，將其返回給對應的應用

過程

1.啟動rpc客戶端，等待接收數據到來，來了之後就進行處理，再將結果丟進隊列
2.啟動rpc服務端，發起請求

rpc_server.py

import pika
import uuid
class FibonacciRpcClient(object):
    def __init__(self):
        # 客戶端啟動時，創建回調隊列，會開啟會話用於發送RPC請求以及接受響應
        # 建立連接，指定服務器的ip地址
        self.connection = pika.BlockingConnection(pika.ConnectionParameters(
            host=‘192.168.119.10‘))
        # 建立一個會話，每個channel代表一個會話任務
        self.channel = self.connection.channel()

        # 聲明回調隊列，再次聲明的原因是，服務器和客戶端可能先後開啟，該聲明是冪等的，多次聲明，但只生效一次
        #exclusive=True 參數是指只對首次聲明它的連接可見
        #exclusive=True 會在連接斷開的時候，自動刪除
        result = self.channel.queue_declare(exclusive=True)
        # 將次隊列指定為當前客戶端的回調隊列
        self.callback_queue = result.method.queue
        # 客戶端訂閱回調隊列，當回調隊列中有響應時，調用`on_response`方法對響應進行處理;
        self.channel.basic_consume(self.on_response, no_ack=True,
                                   queue=self.callback_queue)


    # 對回調隊列中的響應進行處理的函數
    def on_response(self, ch, method, props, body):
        if self.corr_id == props.correlation_id:
            self.response = body

    # 發出RPC請求
    # 例如這裏服務端就是一個切菜師傅，菜切好了，需要傳遞給洗菜師傅，這個過程是發送rpc請求
    def call(self, n):
        # 初始化 response
        self.response = None
        # 生成correlation_id 關聯標識，通過python的uuid庫，生成全局唯一標識ID，保證時間空間唯一性
        self.corr_id = str(uuid.uuid4())
        # 發送RPC請求內容到RPC請求隊列`s14rpc`，同時發送的還有`reply_to`和`correlation_id`
        self.channel.basic_publish(exchange=‘‘,
                                   routing_key=‘s14rpc‘,
                                   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)

# 建立客戶端
fibonacci_rpc = FibonacciRpcClient()

# 發送RPC請求，丟進rpc隊列，等待客戶端處理完畢，給與響應
print("發送了請求sum(99)")
response = fibonacci_rpc.call(99)

print("得到遠程結果響應%r" % response)

?
?

rpc_client.py

import pika
# 建立連接，服務器地址為localhost，可指定ip地址
connection = pika.BlockingConnection(pika.ConnectionParameters(
    host=‘192.168.119.10‘))
# 建立會話
channel = connection.channel()
# 聲明RPC請求隊列
channel.queue_declare(queue=‘s14rpc‘)

# 模擬一個進程，例如切菜師傅，等著洗菜師傅傳遞數據
def sum(n):
    n+=100
    return n
# 對RPC請求隊列中的請求進行處理


def on_request(ch, method, props, body):
    print(body,type(body))
    n = int(body)
    print(" 正在處理sum(%s)" % n)
    # 調用數據處理方法
    response = sum(n)
    # 將處理結果(響應)發送到回調隊列
    ch.basic_publish(exchange=‘‘,
                     # reply_to代表回復目標
                     routing_key=props.reply_to,
                     # correlation_id（關聯標識）：用來將RPC的響應和請求關聯起來。
                     properties=pika.BasicProperties(correlation_id= \
                                                         props.correlation_id),
                     body=str(response))
    ch.basic_ack(delivery_tag=method.delivery_tag)

# 負載均衡，同一時刻發送給該服務器的請求不超過一個
channel.basic_qos(prefetch_count=1)
channel.basic_consume(on_request, queue=‘s14rpc‘)
print("等待接收rpc請求")


#開始消費
channel.start_consuming()

消息隊列rabbitmq rabbitMQ安裝