RabbitMQ学习小结(二)----工作队列
演示了多个接收端情况下，消息发送的工作方式。本小节将对工作队列（Work Queues）做一个了解。
一、简介
在Hello World中，学会从队列中发送和获取消息。实际应用中，并不是简单的接收和发送。当需要复杂的需求时，为了提升效率，
一个消费者处理不过来。 在这篇教程中，我们将创建一个工作队列（Work Queue），它会发送一些耗时的任务给多个工作者（Worker）。
工作队列（又称：任务队列——Task Queues）是为了避免等待一些占用大量资源、时间的操作。当我们把任务（Task）当作消息
发送到队列中，一个运行在后台的工作者（worker）进程就会取出任务然后处理。当你运行多个工作者（workers），任务就会在
它们之间共享。
二、应用场景
在Hello World中只是单独的发送一个字符串，但是实际应用中可能是图片，可能是pdf处理等等，可能需要消耗的时间长短不一，
根据官网示例不做复杂操作，而是使用符号“.”来代表任务的难易程度，从而用time.sleep()来控制任务的时间长短。一个点
（.）将会耗时1秒钟。比如"Hello..."就会耗时3秒钟。
三、概念理解
1、循环调度
使用工作队列(多个消费者接收处理队列中的消息)好处是能够并行处理队列消息(任务)。如果堆积很多任务或者消息，只需要添
加更多的工作者即可，扩展很简单。
我们先同时运行两个receive.py脚本，它们都会从队列中获取消息，到底是不是这样呢？我们看看。
你需要打开三个终端，两个用来运行receive.py脚本，这两个终端就是我们的两个消费者（consumers）—— C1 和 C2。
python receive.py
python send.py First message.
python send.py Second message..
python send.py Third message...RabbitMQ会按顺序得把消息发送给每个消费者（consumer）。平均每个消费者都会收到同等数量得消息。这种发送消息得方式叫
做——轮询（round-robin）。
2、消息确认
当运行的任务比较耗时，你也许想知道消费者(consumers)是否运行到一般会挂掉。当消息被RabbitMQ发送给消费者(consumers)
之后，马上就会在内存中移除。这种情况，你只要把一个工作者（worker）停止，正在处理的消息就会丢失。同时，所有发送到这
个工作者的还没有处理的消息都会丢失。
处理方法：
为了防止消息丢失，RabbitMQ提供了消息响应（acknowledgments）。消费者会通过一个ack（响应），告诉RabbitMQ已经收到并处
理了某条消息，然后RabbitMQ就会释放并删除这条消息。
如果消费者（consumer）挂掉了，没有发送响应，RabbitMQ就会认为消息没有被完全处理，然后重新发送给其他消费者consumer。
这样，即使工作者（workers）偶尔的挂掉，也不会丢失消息。
消息响应默认是开启的。之前的例子中我们可以使用no_ack=True标识把它关闭。是时候移除这个标识了，当工作者（worker）完
成了任务，就发送一个响应。
def callback(ch, method, properties, body):
print " [x] Received %r" % (body,)
time.sleep( body.count('.') )
print " [x] Done"
ch.basic_ack(delivery_tag = method.delivery_tag) #消费者发送响应消息
channel.basic_consume(callback, queue='hello')运行上面的代码，我们发现即使使用CTRL+C杀掉了一个工作者（worker）进程，消息也不会丢失。当工作者（worker）挂掉这后，
所有没有响应的消息都会重新发送。
忘记确认响应：忘了basic_ack，后果很严重。消息在你的程序退出之后就会重新发送，如果它不能够释放没响应的消息，RabbitMQ
就会占用越来越多的内存。
3、消息持久化
如果你没有特意告诉RabbitMQ服务器，那么在它退出或者崩溃的时候，将会丢失所有队列和消息。为了确保信息不会丢失，有两个
事情是需要注意的：我们必须把“队列”和“消息”设为持久化。
(1)、队列持久化：为了不让队列消失，需要把队列声明为持久化(durable)
channel.queue_declare(queue='hello', durable=True)使用不同的队列名：
channel.queue_declare(queue='task_queue', durable=True)这样可以确保在RabbitMq重启之后queue_declare队列不会丢失。
(2)、消息持久化：将delivery_mode的属性设为2
channel.basic_publish(exchange='', routing_key="task_queue", body=message,
properties = pika.BasicProperties(delivery_mode = 2, # make message persistent))是所有的消息都使用fsync(2)——它有可能只是保存到缓存中，并不一定会写到硬盘中。并不能保证真正的持久化，但已经足够应
付我们的简单工作队列。如果你一定要保证持久化，你需要改写你的代码来支持事务（transaction）。
4、公平调度
RabbitMQ只管分发进入队列的消息，不会关心有多少消费者（consumer）没有作出响应。它盲目的把第n-th条消息发给第n-th个消
费者。没有按照我们的期望进行分发消息。
使用basic_qos方法，并设置prefetch_count=1。这样是告诉RabbitMQ，在同一时刻，不要发送超过1条消息给一个工作者worker，
直到它已经处理了上一条消息并且作出了响应。这样，RabbitMQ就会把消息分发给下一个空闲的工作者（worker）。
channel.basic_qos(prefetch_count=1)如果所有的工作者都处理繁忙状态，你的队列就会被填满。你需要留意这个问题，要么添加更多的工作者（workers），要么使用其
他策略。
四、整合代码：
send.py
#!/usr/bin/python
import pika
import sys
connection = pika.BlockingConnection(pika.ConnectionParameters(
host='localhost'))
channel = connection.channel()
channel.queue_declare(queue='task_queue', durable=True)
message = ' '.join(sys.argv[1:]) or "Hello World!"
channel.basic_publish(exchange='',
routing_key='task_queue',
body=message,
properties=pika.BasicProperties(
delivery_mode = 2, # make message persistent #消息持久化
))
print " [x] Sent %r" % (message,)
connection.close()receive.py
#!/usr/bin/python
import pika
import time
connection = pika.BlockingConnection(pika.ConnectionParameters(
host='localhost'))
channel = connection.channel()
channel.queue_declare(queue='task_queue', durable=True) #队列持久化
print ' [*] Waiting for messages. To exit press CTRL+C'
def callback(ch, method, properties, body):
print " [x] Received %r" % (body,)
time.sleep( body.count('.') )
print " [x] Done"
ch.basic_ack(delivery_tag = method.delivery_tag) #响应
channel.basic_qos(prefetch_count=1) #公平调度
channel.basic_consume(callback,
queue='task_queue')
channel.start_consuming()使用 消息响应和prefetch_count你就可以搭建起一个工作队列了。这些持久化的选项使得在RabbitMQ重启之后仍然能够恢复。
程序结果自行运行。
参考资料：
http://rabbitmq.mr-ping.com/tutorials_with_python/[2]Work_Queues.html