RabbitMQ练习（Remote procedure call (RPC)）

zkyqss2024-09-01 9:33

1、RabbitMQ教程

《RabbitMQ Tutorials》https://www.rabbitmq.com/tutorials

2、环境准备

参考：《RabbitMQ练习（Hello World）》。

确保RabbitMQ、Sender、Receiver容器正常安装和启动。

bash 复制代码 
root@k0test1:~# docker run -it --rm --name rabbitmq -p 5672:5672 -p 15672:15672 rabbitmq:3.13-management
root@k0test1:~# docker start sender
root@k0test1:~# docker start receiver
root@k0test1:~# docker network inspect bridge

网络拓扑：

3、RPC练习

3.1 概述

前面练习了如何使用工作队列（Work queues）来在多个worker之间分配耗时的任务（time-consuming tasks）。

但是，如果我们需要在远程计算机上运行一个函数并等待结果呢？那是一个不同的故事。这种模式通常被称为远程过程调用，或RPC。

在本练习中，我们将使用RabbitMQ来构建++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配的耗时任务，我们将创建一个返回斐波那契数（Fibonacci numbers）的虚拟RPC服务（dummy RPC service）。

3.2 Client interface

为了展示如何使用RPC服务，将创建一个简单的客户端类（a simple client class）。这个类将暴露一个名为call的方法，该方法发送一个RPC请求，并阻塞直到收到响应。（原文：It's going to expose a method named call which sends an RPC request and blocks until the answer is received）

复制代码 
fibonacci_rpc = FibonacciRpcClient()
result = fibonacci_rpc.call(4)
print(f"fib(4) is {result}")

这段代码展示了如何使用一个RPC客户端来调用远程的斐波那契数计算服务。以下是代码的详细解释：

  1. fibonacci_rpc = FibonacciRpcClient()：这行代码创建了一个FibonacciRpcClient的实例。FibonacciRpcClient是一个RPC客户端，用于发送请求到RPC服务器，并接收响应。

  2. result = fibonacci_rpc.call(4)：这行代码调用了RPC客户端的call方法，并将数字4作为参数传递给服务器。服务器将计算斐波那契数列中的第4个数，并将结果返回给客户端。

  3. print(f"fib(4) is {result}")：这行代码打印出计算结果。格式化字符串"fib(4) is {result}"将计算得到的斐波那契数显示出来。

在这个例子中，客户端发送了一个请求到RPC服务器，请求计算斐波那契数列的第4个数，然后服务器返回了结果，客户端接收并打印了这个结果。这是一个典型的RPC模式的应用，允许客户端像调用本地函数一样调用远程服务。

3.3 Callback queue

一般来说，通过RabbitMQ实现远程过程调用（RPC）是很简单的。客户端发送一个请求消息，服务器用一个响应消息来回复。为了能够接收到响应，客户端需要在请求中发送一个"回调"队列地址（原文：In order to receive a response the client needs to send a 'callback' queue address with the request.）。

复制代码 
result = channel.queue_declare(queue='', exclusive=True)
callback_queue = result.method.queue

channel.basic_publish(exchange='',
                      routing_key='rpc_queue',
                      properties=pika.BasicProperties(
                            reply_to = callback_queue,
                            ),
                      body=request)

# ... and some code to read a response message from the callback_queue ...

这段Python代码是使用RabbitMQ实现RPC（远程过程调用）的一个示例。下面是代码的中文解释：

  1. result = channel.queue_declare(queue='', exclusive=True)：这行代码声明了一个私有的队列。queue_declare方法用于声明一个新的队列，如果队列不存在，则创建它。queue=''表示让RabbitMQ自动生成一个唯一的队列名称。exclusive=True表示这个队列是私有的，只对声明它的连接可见。

  2. callback_queue = result.method.queue：这行代码将声明的队列名称赋值给callback_queue变量，这个队列将被用作回调队列，以便服务器可以发送响应到这个队列。

  3. channel.basic_publish(exchange='', routing_key='rpc_queue', properties=pika.BasicProperties(reply_to=callback_queue,), body=request)：这行代码发布一个消息到RabbitMQ。exchange参数为空字符串，表示使用默认的交换机。routing_key='rpc_queue'表示消息将发送到名为rpc_queue的队列。properties参数是一个BasicProperties对象，其中reply_to属性设置为callback_queue，这告诉服务器将响应消息发送到这个回调队列。body参数是实际发送的消息体，这里假设是request变量。

  4. 注释# ... and some code to read a response message from the callback_queue ...：这部分代码应该包含从callback_queue读取响应消息的逻辑，但在这个示例中没有给出。

这段代码展示了客户端如何发送一个RPC请求，并设置回调队列以便接收服务器的响应。服务器需要监听rpc_queue队列，处理请求，并将响应消息发送到客户端指定的callback_queue。
AMQP 0-9-1 协议预定义了一组共14个属性，这些属性与消息相关。除了以下几个常用的属性外，大多数属性很少使用：

  1. delivery_mode：标记消息是持久的（值为2）还是瞬时的（其他任何值）。你可能还记得这个属性是从第二个教程中学到的。
  2. content_type ：用于描述消息编码的MIME类型。例如，对于常用的JSON编码，将此属性设置为application/json是一个好习惯。
  3. reply_to：通常用于命名一个回调队列。
  4. correlation_id：用于将RPC响应与请求相关联，非常有用。

这些属性在RabbitMQ中非常有用，因为它们允许你控制消息的行为，以及如何在不同的应用程序组件之间进行通信。例如，delivery_mode 可以帮助确保消息在RabbitMQ服务器重启后仍然可用，而 reply_to 和 correlation_id 使得RPC模式的实现成为可能，允许服务器将响应发送回正确的客户端。content_type 则有助于接收方理解消息的内容格式，从而正确地解析消息。

3.4 Correlation id

在上述介绍的方法中，我们建议为每个RPC请求创建一个回调队列。这种方法效率不高，但幸运的是有更好的解决方案------让我们为每个客户端创建一个单一的回调队列。

这引发了一个新的问题：在队列中收到响应时，不清楚该响应属于哪个请求。这时，我们使用correlation_id属性。我们将为每个请求设置一个唯一的值。之后，当我们在回调队列中收到消息时，我们会查看这个属性，并基于它将响应与请求匹配起来。如果我们看到一个未知的correlation_id值，我们可以安全地丢弃该消息------它不属于我们的请求。

你可能会问，为什么我们应该忽略回调队列中的未知消息，而不是以错误失败？这是由于服务器端可能存在竞争条件。虽然不太可能，但RPC服务器可能在我们收到答案后但在发送请求确认消息之前就崩溃了。如果发生这种情况，重启的RPC服务器将再次处理请求。这就是为什么在客户端我们必须优雅地处理重复的响应，而且RPC应该是幂等的（原文： That's why on the client we must handle the duplicate responses gracefully, and the RPC should ideally be idempotent.）。

RPC（远程过程调用）应该是幂等的，意味着对于同一个请求，无论服务器端接收到多少次相同的RPC调用，其结果都应该是一致的，不会对系统状态产生额外的影响。换句话说，即使一个请求被重复发送多次，它也只会产生一次实际的效应或结果。

幂等性在分布式系统中非常重要，特别是在网络通信和服务器处理中可能存在延迟或重试的情况下。如果RPC调用不是幂等的，那么重复的请求可能会导致数据不一致或系统状态错误。例如，如果一个RPC调用是用来增加某个计数器的值，幂等性保证了无论这个调用被执行多少次，计数器的最终值都只会增加一次。

在实际应用中，确保RPC调用的幂等性可以通过以下方式实现：

  1. 唯一标识符：为每个请求分配一个唯一的ID，这样即使请求被重复发送，服务器也可以通过这个ID识别并避免重复处理。
  2. 状态检查：在执行操作之前，服务器可以检查请求是否已经被处理过，如果已经处理，则不再执行。
  3. 事务控制：使用数据库事务或其他形式的事务控制来确保操作的原子性，即要么完全执行，要么完全不执行，从而避免部分执行导致的问题。
  4. 重试机制：设计客户端时，可以包含重试逻辑，但要确保重试不会对系统状态产生负面影响。

幂等性是分布式系统设计中的一个关键原则，有助于提高系统的健壮性和可靠性。

3.5 Summary

我们的RPC将按照以下方式工作：

  • 当客户端启动时，它会创建一个++匿名的专用回调队列（an anonymous exclusive callback queue）++。
  • 对于RPC请求，客户端发送一个带有两个属性的消息：reply_to，设置为回调队列，correlation_id，为每个请求设置一个唯一值。
  • 请求被发送到一个名为rpc_queue的队列。
  • RPC工作器（RPC worker）（也就是服务器）在该队列上等待请求。当出现请求时，它执行任务，并将结果消息发送回客户端，使用的队列来自reply_to字段。
  • 客户端在回调队列上等待数据。当出现一条消息时，它会检查correlation_id属性。如果它与请求中的值匹配，它将响应返回给应用程序。

3.6 代码说明

3.6.1 rpc_server.py

进入receiver容器，vi编写rpc_server.py：

python 复制代码 
root@receiver:/# vi rpc_server.py
root@receiver:/# cat rpc_server.py 
import pika

connection = pika.BlockingConnection(
    pika.ConnectionParameters(host='172.17.0.2'))

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(f" [.] fib({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_count=1)
channel.basic_consume(queue='rpc_queue', on_message_callback=on_request)

print(" [x] Awaiting RPC requests")
channel.start_consuming()
root@receiver:/#

这段代码是一个使用Python编写的RabbitMQ RPC（远程过程调用）服务器的实现。它使用pika库与RabbitMQ进行交互。下面是对代码中每个部分的详细说明：

  1. import pika：导入pika库，这是一个Python客户端库，用于与RabbitMQ消息代理进行通信。

  2. 创建RabbitMQ连接：

    python 复制代码 
    connection = pika.BlockingConnection(
    pika.ConnectionParameters(host='172.17.0.2'))

    这行代码创建了一个到RabbitMQ服务器的阻塞式连接。host='172.17.0.2'指定了RabbitMQ服务器的IP地址。

  3. 创建通信通道：

    python 复制代码 
    channel = connection.channel()

    通过连接创建了一个通信通道，用于发送和接收消息。

  4. 声明队列：

    python 复制代码 
    channel.queue_declare(queue='rpc_queue')

    声明了一个名为rpc_queue的队列。如果该队列不存在，则会被创建。

  5. 定义斐波那契函数：

    python 复制代码 
    def fib(n):
    if n == 0:
        return 0
    elif n == 1:
        return 1
    else:
        return fib(n - 1) + fib(n - 2)

    这是一个递归函数，用于计算斐波那契数列的第n项。

  6. 定义请求处理回调函数：

    python 复制代码 
    def on_request(ch, method, props, body):
    n = int(body)
    print(f" [.] fib({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)

    这个函数是当队列rpc_queue接收到消息时会被调用的回调函数。它执行以下操作：

    • 将消息体（body）转换为整数n。
    • 调用fib函数计算斐波那契数。
    • 打印正在处理的请求。
    • 使用basic_publish方法将响应消息发送到客户端指定的回复队列（reply_to）。
    • 使用basic_ack方法确认消息已被处理。

  7. 设置QoS（服务质量）：

    python 复制代码 
    channel.basic_qos(prefetch_count=1)

    这行代码设置了预取数量为1，意味着每次只有一个消息被分派给消费者，直到消费者确认该消息。

  8. 设置消息消费：

    python 复制代码 
    channel.basic_consume(queue='rpc_queue', on_message_callback=on_request)

    这行代码设置了消息消费，指定了队列rpc_queue和消息处理回调函数on_request。

  9. 打印等待RPC请求的消息：

    python 复制代码 
    print(" [x] Awaiting RPC requests")

  10. 开始消费消息：

    python 复制代码 
    channel.start_consuming()

    这行代码启动了消息通道的消费过程，使得服务器开始监听和处理消息。

整个代码的目的是创建一个RPC服务器，它监听rpc_queue队列中的请求，对每个请求计算斐波那契数，并将结果发送回请求者。这个服务器是阻塞式的，意味着它会一直运行，直到被显式地停止或发生错误。

以下具体解释on_request是怎么被调用的：

on_request 函数被调用的过程涉及到RabbitMQ的RPC（远程过程调用）模式和消息确认机制。以下是详细步骤：

  1. 客户端发送RPC请求 ：客户端向RabbitMQ发送一个RPC请求消息，这个消息会被发送到指定的队列（在这个例子中是'rpc_queue'）。

  2. 消息到达队列：RabbitMQ将客户端发送的消息放入'rpc_queue'队列中。

  3. 服务端监听队列 ：服务端（即上述代码）通过channel.basic_consume方法设置了一个监听器，指定了队列'rpc_queue'和消息处理回调函数on_request。

  4. 消息被消费：当RabbitMQ中的'rpc_queue'队列接收到新消息时，它会通知服务端。

  5. 回调函数被触发 ：服务端收到通知后，调用on_request函数。这个函数接收四个参数：

    • ch：当前的通道对象。
    • method：描述了消息的接收方法。
    • props：包含了消息的属性，如reply_to（客户端期望接收响应的队列名称）和correlation_id（用于匹配请求和响应的相关ID）。
    • body：消息体，包含了客户端发送的数据。

  6. 处理请求 ：on_request函数内部，首先将消息体body转换为整数n，然后调用fib函数计算斐波那契数。

  7. 发送响应 ：计算完成后，使用ch.basic_publish方法将计算结果发送回客户端。这里会使用reply_to属性指定的路由键，以及correlation_id来确保响应能够正确匹配到原始请求。

  8. 确认消息 ：最后，通过ch.basic_ack方法确认消息已被处理，这样RabbitMQ就知道可以移除这条消息了。

整个过程是异步的，服务端在channel.start_consuming()调用后进入等待状态，一旦有消息到达，就会触发on_request函数的执行。

服务器代码相当直接明了：

首先，我们建立连接并声明队列rpc_queue。 我们声明了斐波那契函数。它假设输入的是有效的正整数。（不要指望这个函数能处理大数字，这可能是最慢的递归实现方式）。 我们为basic_consume声明了一个回调函数on_request，这是RPC服务器的核心。当收到请求时，它会被执行。它完成工作并将响应发送回去。 我们可能想要运行多个服务器进程。为了将负载平均分配给多个服务器，我们需要设置prefetch_count参数。

3.6.2 rpc_client.py

进入sender容器，vi编写rpc_client.py：

python 复制代码 
root@sender:/# vi rpc_client.py
root@sender:/# cat rpc_client.py 
import pika
import uuid


class FibonacciRpcClient(object):

    def __init__(self):
        self.connection = pika.BlockingConnection(
            pika.ConnectionParameters(host='172.17.0.2'))

        self.channel = self.connection.channel()

        result = self.channel.queue_declare(queue='', exclusive=True)
        self.callback_queue = result.method.queue

        self.channel.basic_consume(
            queue=self.callback_queue,
            on_message_callback=self.on_response,
            auto_ack=True)

        self.response = None
        self.corr_id = None

    def on_response(self, ch, method, props, body):
        if self.corr_id == props.correlation_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(time_limit=None)
        return int(self.response)


fibonacci_rpc = FibonacciRpcClient()

print(" [x] Requesting fib(30)")
response = fibonacci_rpc.call(30)
print(f" [.] Got {response}")
root@sender:/#

这段代码是一个使用Python编写的RabbitMQ RPC（远程过程调用）客户端的实现。它使用pika库与RabbitMQ进行交互。下面是对代码中每个部分的详细说明：

  1. import pika 和 import uuid：导入pika库用于与RabbitMQ进行通信，导入uuid库用于生成唯一的标识符。

  2. 定义FibonacciRpcClient类：

    python 复制代码 
    class FibonacciRpcClient(object):

    这个类封装了RPC客户端的功能。

  3. 类初始化方法__init__：

    python 复制代码 
    def __init__(self):
    self.connection = pika.BlockingConnection(
        pika.ConnectionParameters(host='172.17.0.2'))
    self.channel = self.connection.channel()
    • 创建一个到RabbitMQ服务器的阻塞式连接，服务器的IP地址是172.17.0.2。
    • 通过连接创建了一个通信通道。

  4. 声明一个独占队列：

    复制代码 
    result = self.channel.queue_declare(queue='', exclusive=True)
self.callback_queue = result.method.queue
    • 使用queue_declare声明一个独占队列，这个队列在连接关闭时会被删除。
    • 将声明的队列名称存储在self.callback_queue中，用于接收服务器的响应。

  5. 设置消息消费：

    复制代码 
    self.channel.basic_consume(
    queue=self.callback_queue,
    on_message_callback=self.on_response,
    auto_ack=True)
    • 使用basic_consume设置消息消费，指定队列、消息处理回调函数on_response和自动确认消息。

  6. 定义on_response方法：

    复制代码 
    def on_response(self, ch, method, props, body):
    if self.corr_id == props.correlation_id:
        self.response = body
    • 这个方法是当客户端接收到响应时会被调用的回调函数。
    • 检查响应的消息属性中的correlation_id是否与请求时设置的correlation_id相匹配，如果匹配，则将响应的消息体存储在self.response中。

  7. 定义call方法：

    复制代码 
    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(time_limit=None)
    return int(self.response)
    • 这个方法用于发送RPC请求并等待响应。
    • 首先，将self.response设置为None，生成一个新的correlation_id。
    • 使用basic_publish方法发送RPC请求，指定交换机、路由键、消息属性（包括回复队列和相关ID）和消息体。
    • 通过循环等待响应，使用process_data_events方法处理数据事件，直到收到响应。
    • 收到响应后，将响应的消息体转换为整数并返回。

  8. 创建FibonacciRpcClient实例并发送请求：

    复制代码 
    fibonacci_rpc = FibonacciRpcClient()
print(" [x] Requesting fib(30)")
response = fibonacci_rpc.call(30)
print(f" [.] Got {response}")
    • 创建FibonacciRpcClient类的实例。
    • 发送请求计算斐波那契数列的第30项，并打印响应结果。

整个代码的目的是创建一个RPC客户端，它发送请求到RabbitMQ服务器，等待服务器处理请求并返回结果。这个客户端是阻塞式的，意味着它会一直等待直到收到响应。

客户端代码稍微复杂一些：

  1. 我们建立一个连接，创建一个通道（channel），并声明一个用于接收响应的独占回调队列。
  2. 我们订阅（basic_consume）这个回调队列，以便我们能够接收RPC响应。
  3. on_response回调函数在每次响应时执行一个非常简单的任务，对于每个响应消息，它检查correlation_id是否是我们正在寻找的那个。如果是，它将响应保存在self.response中，并中断消费循环。
  4. 接下来，我们定义了主要的call方法------它执行实际的RPC请求。
  5. 在call方法中，我们生成一个唯一的correlation_id并保存它------on_response回调函数将使用这个值来捕获适当的响应。
  6. 同样在call方法中，我们发布了请求消息（basic_publish），附带两个属性：reply_to和correlation_id。
  7. 最后，我们等待适当的响应到达，并将响应返回给用户。

3.7 开始测试

1、启动RPC服务器（Server）

bash 复制代码 
root@receiver:/# python3 rpc_server.py
 [x] Awaiting RPC requests

2、查看mq server信息

bash 复制代码 
root@5d37b5b451ba:/# rabbitmqctl list_queues
Timeout: 60.0 seconds ...
Listing queues for vhost / ...
name    messages
rpc_queue       0

root@5d37b5b451ba:/# rabbitmqctl list_exchanges
Listing exchanges for vhost / ...
name    type
amq.topic       topic
amq.fanout      fanout
amq.direct      direct
amq.headers     headers
amq.match       headers
amq.rabbitmq.trace      topic
        direct
root@5d37b5b451ba:/# rabbitmqctl list_bindings
Listing bindings for vhost /...
source_name     source_kind     destination_name        destination_kind        routing_key     arguments
        exchange        rpc_queue       queue   rpc_queue       []
root@5d37b5b451ba:/#

3、启动RPC客户端（Client），验证结果

bash 复制代码 
root@sender:/# python3 rpc_client.py
 [x] Requesting fib(30) <--观察容器终端输出，确认客户端已发送请求并正在等待响应。
 [.] Got 832040  <--客户端将等待服务器处理请求并返回结果。一旦服务器处理完毕，客户端将接收响应并显示结果。
root@sender:/#

4、服务器端显示内容

bash 复制代码 
root@receiver:/# python3 rpc_server.py
 [x] Awaiting RPC requests
 [.] fib(30)

5、一些说明

展示的设计并非RPC服务的唯一可能实现方式，但它有一些重要的优点：

  1. 如果RPC服务器运行太慢，你可以通过简单地运行另一个服务器来扩展。尝试在新的控制台中运行第二个rpc_server.py。

  2. 在客户端，RPC只需要发送和接收一条消息。不需要像queue_declare这样的同步调用。因此，对于单个RPC请求，RPC客户端只需要一个网络往返。

尽管如此，我们的代码仍然相当简单，并没有尝试解决更复杂（但重要）的问题，比如：

  • 如果没有服务器运行，客户端应该如何反应？
  • 客户端是否应该有RPC的某种超时机制？
  • 如果服务器出现故障并引发异常，是否应该将异常转发给客户端？
  • 在处理之前，如何保护系统免受无效输入消息的影响（例如，检查边界）？

这些问题都是构建健壮的RPC服务时需要考虑的实际问题，它们涉及到错误处理、超时机制、异常处理和安全验证等方面。

4、Wireshark抓包

4.1 抓包方式

参考：《RabbitMQ练习（Hello World）》

4.2 抓包信息

典型数据包：

1、rpc client发送rpc请求时，携带reply_to和correlation_id：

bash 复制代码 
Frame 47: 156 bytes on wire (1248 bits), 156 bytes captured (1248 bits) on interface docker0, id 0
Ethernet II, Src: 02:42:ac:11:00:03 (02:42:ac:11:00:03), Dst: 02:42:ac:11:00:02 (02:42:ac:11:00:02)
Internet Protocol Version 4, Src: 172.17.0.3 (172.17.0.3), Dst: 172.17.0.2 (172.17.0.2)
Transmission Control Protocol, Src Port: 52506, Dst Port: 5672, Seq: 492, Ack: 673, Len: 90
Advanced Message Queuing Protocol
    Type: Content header (2)
    Channel: 1
    Length: 82
    Class ID: Basic (60)
    Weight: 0
    Body size: 2
    Property flags: 0x0600
    Properties
        Correlation-Id: c1e5f310-0996-45fb-a3d8-bf2081cd891c
        Reply-To: amq.gen-p169XGGXAjsVdvgeJjMlOw

这段信息描述的是AMQP（Advanced Message Queuing Protocol，高级消息队列协议）中的一个消息头（Content header），它包含了消息的元数据和属性。下面是对这些字段的解释：

  1. Type: 消息头的类型，这里指的是内容头（Content header）。

  2. Channel: 消息发送的通道号，这里是1。

  3. Length: 消息头的长度，这里是82字节。

  4. Class ID : 消息所属的类标识符，Basic (60)表示这是一个基本类消息。

  5. Weight: 消息的优先级权重，这里设置为0，表示没有特别的优先级。

  6. Body size: 消息体的大小，这里是2字节。

  7. Property flags : 属性标志，这里是0x0600，表示设置了某些属性。

  8. Properties:

    • Correlation-Id : c1e5f310-0996-45fb-a3d8-bf2081cd891c，这是消息的唯一标识符，用于将响应与请求关联起来。
    • Reply-To : amq.gen-p169XGGXAjsVdvgeJjMlOw，这是回复队列的名称，当消费者处理完消息后，会将响应发送到这个队列。

AMQP是一种提供高度可靠的异步消息传递协议，广泛应用于分布式系统中。消息头中的这些属性使得消息传递更加灵活和可靠，例如，通过Correlation-Id可以将请求和响应正确地匹配起来，而Reply-To属性则允许消费者指定一个队列来接收响应消息。

4.3 流量图

5、小结

这篇文章是 RabbitMQ 官方教程的第六部分的练习，主题是关于如何使用 Python 客户端库 Pika 实现远程过程调用（RPC）。以下是主要内容小结：

1、预备条件

  • 假设 RabbitMQ 已经安装并运行在标准端口（5672）上。
  • 如果使用不同的主机、端口或凭据，需要调整连接设置。
  • 使用 Pika 客户端库版本 1.0.0。

2、RPC 客户端接口

  • 教程提供了一个简单的 RPC 客户端类，它公开了一个名为 call 的方法，用于发送 RPC 请求并阻塞等待响应。

3、RPC 的注意事项

  • RPC 是计算中常见的模式，但也常受到批评，因为它可能导致系统不可预测和调试复杂化。
  • 建议明确哪些函数调用是本地的，哪些是远程的，并且文档化系统，处理错误情况。

4、回调队列

  • 客户端发送请求消息时，需要提供一个"回调"队列地址，以便接收响应。
  • 教程中展示了如何声明一个独占的回调队列，并使用它来接收响应。

5、correlation_id

  • 为了匹配请求和响应，教程介绍了 correlation_id 属性的使用。每个请求都被赋予一个唯一的 correlation_id。
  • 如果客户端在回调队列中收到一个未知的 correlation_id，它应该安全地丢弃该消息，因为这表示该响应不属于客户端的任何请求。

6、RPC 工作流程

  • 客户端启动时创建一个匿名的独占回调队列。
  • 客户端发送带有 reply_to 和 correlation_id 属性的 RPC 请求消息。
  • RPC 工作者（服务器）在 rpc_queue 队列上等待请求，处理请求后将结果消息发送回客户端。
  • 客户端在回调队列上等待数据，当消息出现时，检查 correlation_id 属性，如果匹配，则将响应返回给应用程序。

7、服务器和客户端代码

  • 教程提供了 rpc_server.py 和 rpc_client.py 的示例代码，展示了如何实现 RPC 服务器和客户端。

8、扩展性和问题

  • 如果 RPC 服务器运行缓慢，可以通过运行另一个服务器实例来扩展。
  • RPC 客户端只需要一次网络往返即可完成单个 RPC 请求。
  • 代码示例相对简单，没有解决一些更复杂但重要的问题，例如服务器不可用时客户端的反应、RPC 超时、服务器异常的处理以及对无效输入消息的保护。

9、实验和资源

  • 教程建议使用 RabbitMQ 管理 UI 来查看队列，这可能对实验很有帮助。

这个教程为读者提供了一个使用 RabbitMQ 和 Python 实现 RPC 机制的实用指南，包括代码示例和一些最佳实践建议。

相关推荐
用户83071968408211 小时前
RabbitMQ vs RocketMQ 事务大对决：一个在“裸奔”，一个在“开挂”？
后端·rabbitmq·rocketmq
初次攀爬者2 天前
RabbitMQ的消息模式和高级特性
后端·消息队列·rabbitmq
初次攀爬者4 天前
ZooKeeper 实现分布式锁的两种方式
分布式·后端·zookeeper
让我上个超影吧5 天前
消息队列——RabbitMQ（高级）
java·rabbitmq
塔中妖5 天前
Windows 安装 RabbitMQ 详细教程（含 Erlang 环境配置）
windows·rabbitmq·erlang
断手当码农5 天前
Redis 实现分布式锁的三种方式
数据库·redis·分布式
初次攀爬者5 天前
Redis分布式锁实现的三种方式-基于setnx，lua脚本和Redisson
redis·分布式·后端
业精于勤_荒于稀5 天前
物流订单系统99.99%可用性全链路容灾体系落地操作手册
分布式
Ronin3055 天前
信道管理模块和异步线程模块
开发语言·c++·rabbitmq·异步线程·信道管理
Asher05095 天前
Hadoop核心技术与实战指南
大数据·hadoop·分布式
热门推荐
01GitHub 镜像站点02OpenClaw 使用和管理 MCP 完全指南03OpenClaw + 飞书（Feishu）环境搭建指南04【OpenClaw 本地实战 Ep.3】突破瓶颈：强制修改 openclaw.json 解锁 32k 上下文记忆05Claude Code + GLM4.7 避坑指南：解决 Unable to connect to Anthropic services06OpenClaw优化飞书API 额度已耗尽问题07小黑课堂计算机二级WPSoffice题库软件下载安装教程（2026年3月最新版）08Clawdbot部署教程：解决‘gateway token missing’授权问题的完整步骤09Window 10部署openclaw报错node.exe : npm error code 12810OpenClaw大龙虾机器人完整安装教程