当今互联网应用的高并发场景下,如何保证可靠的消息传递和高效的处理成为了一项重要的挑战。在这种情况下,RabbitMQ作为一种可靠的消息队列系统,被广泛应用于各个领域。
本文将介绍如何使用RabbitMQ插件整合Flask框架,实现并发性生产者和消费者的兼容。通过这种方式,我们可以利用RabbitMQ的优势来确保消息的可靠传递,并提高应用程序的处理能力。
首先,我们需要在Flask应用程序中引入RabbitMQ插件。可以使用Pika库来连接和操作RabbitMQ。通过创建一个连接池管理连接对象,我们可以避免频繁地创建和销毁连接,提高效率。
同时,为了处理高并发的生产者,我们可以使用批量发送消息的方式来减少通道创建和消息发布的开销。通过设置缓冲区来收集一定数量或一定时间间隔内的消息,然后批量发送,可以更有效地利用资源。
此外,对于高并发的消费者,我们可以考虑使用异步的方式来处理消息。通过将消息发送任务交给后台线程或异步任务队列处理,可以避免请求的堵塞,提高应用程序的并发能力。
通过以上的优化方案,我们可以在Flask应用程序中充分利用RabbitMQ的功能,并且兼容高并发的生产者和消费者。这将帮助我们构建更可靠、高效的消息队列系统,应对日益增长的并发访问需求。
总之,使用RabbitMQ插件整合Flask框架,并采用优化方案来兼容并发性生产者和消费者,是构建可靠、高效消息传递系统的关键一步。通过这种方式,我们能够更好地应对高并发场景下的挑战,提升应用程序的性能和稳定性。
使用pip安装pika库:
pip install pika
from queue import Queue
from threading import Lock
import pika
# 定义交换机类型的枚举值
class ExchangeType:
DEFAULT = 'default'
DIRECT = "direct"
FANOUT = "fanout"
TOPIC = 'topic'
class RabbitMQ:
def __init__(self, host='localhost', port=5672, username='guest', password='guest', pool_size=10):
self.credentials = pika.PlainCredentials(username, password)
self.parameters = pika.ConnectionParameters(host=host, port=port, credentials=self.credentials)
self.connection_pool = Queue(pool_size) # 连接池,存储连接和信道
self.lock = Lock() # 互斥锁,用于对连接池的访问进行同步
for _ in range(pool_size):
connection = self._create_connection()
channel = connection.channel()
self.connection_pool.put((connection, channel))
def _create_connection(self):
return pika.BlockingConnection(self.parameters)
def get_channel(self):
with self.lock:
connection, channel = self.connection_pool.get() # 从连接池获取连接和信道
return connection, channel
def release_channel(self, connection, channel):
with self.lock:
self.connection_pool.put((connection, channel)) # 将连接和信道放回连接池
def send_message(self, exchange, routing_key, message, exchange_type=ExchangeType.DEFAULT):
connection, channel = self.get_channel()
try:
channel.exchange_declare(exchange=exchange, exchange_type=exchange_type) # 声明交换机并指定类型
channel.basic_publish(exchange=exchange, routing_key=routing_key, body=message) # 发布消息
finally:
self.release_channel(connection, channel)
def receive_messages(self, queue, callback):
connection, channel = self.get_channel()
try:
channel.queue_declare(queue=queue, durable=True) # 声明队列并标记为持久化
# channel.queue_purge(queue=queue) # 清空队列,以防之前的非持久化消息残留
channel.basic_qos(prefetch_count=10) # 每次从 RabbitMQ 获取 10 条消息
channel.basic_consume(queue=queue, on_message_callback=callback, auto_ack=False) # 消费消息并设置回调函数
channel.start_consuming() # 开始消费消息
finally:
self.release_channel(connection, channel)
def connect_mq(app):
# 初始化 RabbitMQ 实例
rabbitmq = RabbitMQ(host=app.config['RABBITMQ_HOST'], port=5672, username='guest', password='guest')
# 在应用上下文中注册 RabbitMQ 实例
app.config['RABBITMQ'] = rabbitmq
# consume_mq(app)
#
thread = threading.Thread(target=consume_mq, args=(app,))
# 启动线程
thread.start()
def consume_mq(app):
# 启动消费者程序,开始接收和处理消息
def callback(ch, method, properties, body):
try:
print(f"消息队列内容 {body.decode()}")
# 处理rabbitMQ内容
to_transcribe(body.decode())
except Exception as e:
print(str(e))
ch.basic_ack(delivery_tag=method.delivery_tag)
# 启动消费者程序,开始接收和处理消息
with app.app_context():
rabbitmq = current_app.config['RABBITMQ']
rabbitmq.receive_messages('audio_queue', callback)
def create_app():
app = Flask(__name__)
connect_mq_v1(app)
class MessageHandler:
"""处理存放音频,将所有的任务都放在MQ里面"""
def __init__(self, dir_name,uuid_str, back_url, file_url, request_type, file_name, *args, **kwargs):
# 文件夹名称
self.dir_name = dir_name
# 文件名称
self.file_name = file_name
# 文件上传类型
self.request_type = request_type
# 文件存储位置
self.file_url = file_url
# 客户端回调地址
self.back_url = back_url
# 唯一标识
self.uuid_str = uuid_str
def send(self):
"""
:param content_type:队列类型
:param rpc:MQ对象
:return:
"""
try:
# 发送消息队列
# rpc.send_expire(body=json.dumps(self.to_json()), exchange='audio_queue', key='audio_queue')
rabbitmq = current_app.config['RABBITMQ']
rabbitmq.send_message('audio_queue', 'audio_queue', json.dumps(self.to_json()))
print("发送消息到mq成功,用于存放音频信息")
except Exception as e:
print(f"发送消息到mq服务失败,请检查, {e}")
def to_json(self):
_dict = self.__dict__
return _dict
# 将请求体和uuid放到rabbitMQ中
MessageHandler(**dates).send()