当前位置:首页 > 文章列表 > 文章 > python教程 > RabbitMQ消息队列Python使用攻略

RabbitMQ消息队列Python使用攻略

2025-06-05 18:34:19 0浏览 收藏

本文详细介绍了如何使用Python操作RabbitMQ消息队列。通过安装pika库,用户可以轻松实现消息的发送与接收。文章首先说明了安装pika库的步骤,并强调了确保RabbitMQ服务运行的重要性。接着,详细描述了发送消息的流程,包括建立连接、打开通道、声明队列以及发送消息。接收消息部分则介绍了如何监听队列并定义回调函数处理消息,同时强调了确认机制和连接关闭的注意事项。此外,文章还探讨了实际应用中的高级特性,如异常处理、消息持久化、多消费者支持及死信队列,以增强系统的健壮性。通过这些步骤和注意事项,读者可以快速上手并灵活运用Python与RabbitMQ。

Python操作RabbitMQ的关键在于理解其消息队列流程和工作机制,安装pika库后即可通过简单步骤实现消息发送与接收。首先需安装pika:pip install pika,并确保RabbitMQ服务运行;其次,发送消息时需建立连接、打开通道、声明队列并发送消息;接着,接收消息时需监听队列、定义回调函数处理消息,并注意确认机制与连接关闭;此外,实际应用中应关注异常处理、消息持久化、多消费者支持及死信队列等特性以提升系统健壮性。掌握这些步骤和注意事项后,Python结合RabbitMQ的基础操作便能快速上手并灵活运用。

Python消息队列 Python RabbitMQ使用教程

Python 操作 RabbitMQ,其实不难,关键是要理解消息队列的基本流程和 RabbitMQ 的工作机制。如果你是刚接触这块内容的新手,这篇文章应该能帮你快速上手。


安装和基本依赖

用 Python 跟 RabbitMQ 打交道,最常用的是 pika 这个库。安装起来很简单:

pip install pika

装好之后就可以开始写代码了。不过要确保你的电脑或者服务器已经安装并运行了 RabbitMQ 服务。如果没有的话,可以用 Docker 快速启动一个:

docker run -d --hostname my-rabbit --name some-rabbit -p 5672:5672 -p 15672:15672 rabbitmq:3-management

这样你就可以通过浏览器访问管理界面:http://localhost:15672,默认用户名密码都是 guest/guest。


发送消息的基本流程

发消息的逻辑其实很直观。简单来说就是建立连接、打开通道、声明队列、然后发送。

举个例子,你想往名为 hello 的队列里发一条消息:

import pika

connection = pika.BlockingConnection(pika.ConnectionParameters('localhost'))
channel = connection.channel()

# 声明队列,如果不存在就创建
channel.queue_declare(queue='hello')

# 发送消息
channel.basic_publish(
    exchange='',
    routing_key='hello',
    body='Hello World!'
)

print(" [x] Sent 'Hello World!'")
connection.close()

这里有几个点要注意:

  • queue_declare 只是确保队列存在,可以多次调用不会出错。
  • exchange 留空是因为我们使用默认交换机。
  • routing_key 就是队列名。
  • 发完记得关连接,不然会占用资源。

接收消息怎么操作

接收端需要一直监听队列,有消息来了就处理。你可以写一个回调函数来处理接收到的消息。

比如下面这个消费者代码:

import pika

def callback(ch, method, properties, body):
    print(f" [x] Received {body}")

connection = pika.BlockingConnection(pika.ConnectionParameters('localhost'))
channel = connection_channel = connection.channel()

channel.queue_declare(queue='hello')

channel.basic_consume(
    queue='hello',
    on_message_callback=callback,
    auto_ack=True
)

print(' [*] Waiting for messages. To exit press CTRL+C')
channel.start_consuming()

几点说明:

  • auto_ack=True 表示自动确认消息已处理完成。如果是 False,你需要手动调用 ch.basic_ack()。
  • start_consuming() 是个阻塞方法,会一直等消息。
  • 如果你想退出程序,按 Ctrl+C 即可。

实际应用中的一些注意事项

在实际项目中,有些细节容易被忽略:

  • 连接异常处理:网络不稳定或 RabbitMQ 重启时,连接可能会断。建议加个重试机制,或者用更高级的库如 kombu 来处理。
  • 消息持久化:如果你希望队列和消息在 RabbitMQ 重启后还存在,要设置 durable=True。
  • 多个消费者:可以启动多个消费者实例共同消费同一个队列,RabbitMQ 会轮询分发。
  • 死信队列(DLQ):用于处理失败多次的消息,可以避免无限重试导致系统瘫痪。

这些不是必须一开始就要用上的,但了解它们对构建健壮的消息系统很有帮助。


基本上就这些。Python 结合 RabbitMQ 的基础操作并不复杂,但要真正用好,还得结合业务场景多琢磨。

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于文章的相关知识,也可关注golang学习网公众号。

HTML中border的6种CSS样式设置及使用技巧HTML中border的6种CSS样式设置及使用技巧
上一篇
HTML中border的6种CSS样式设置及使用技巧
Win8升级Win10详细教程与注意事项
下一篇
Win8升级Win10详细教程与注意事项
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    403次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    479次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    489次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    436次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    262次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码