跳转到主要内容

RabbitMQ 教程 - 远程过程调用 (RPC)

远程过程调用 (RPC)​

（使用 Pika Python 客户端）​

信息

先决条件​

本教程假设 RabbitMQ 已安装并在 localhost 上的标准端口 (5672) 上运行。如果您使用不同的主机、端口或凭据，则需要调整连接设置。

在哪里获取帮助​

如果您在学习本教程时遇到问题，可以通过GitHub Discussions 或 RabbitMQ 社区 Discord 联系我们。

先决条件​

与其他 Python 教程一样，我们将使用 Pika RabbitMQ 客户端 1.0.0 版本。

本教程的重点​

在第二个教程中，我们学习了如何使用工作队列在多个工作者之间分配耗时的任务。

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？嗯，那又是另一回事了。这种模式通常被称为远程过程调用或 RPC。

在本教程中，我们将使用 RabbitMQ 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，我们将创建一个虚拟 RPC 服务，该服务返回斐波那契数。

客户端接口​

为了说明 RPC 服务如何使用，我们将创建一个简单的客户端类。它将公开一个名为 call 的方法，该方法发送 RPC 请求并阻塞直到收到答案

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

关于 RPC 的说明​

尽管 RPC 在计算中是一种非常常见的模式，但它经常受到批评。当程序员不清楚函数调用是本地调用还是慢速 RPC 时，问题就出现了。这样的混淆会导致系统不可预测，并给调试增加不必要的复杂性。误用的 RPC 不但不能简化软件，反而会导致难以维护的意大利面条式代码。

考虑到这一点，请考虑以下建议

  • 确保清楚地知道哪个函数调用是本地的，哪个是远程的。
  • 记录您的系统。明确组件之间的依赖关系。
  • 处理错误情况。当 RPC 服务器长时间宕机时，客户端应该如何反应？

如有疑问，请避免使用 RPC。如果可以，您应该使用异步管道 - 而不是类似 RPC 的阻塞，结果会异步推送到下一个计算阶段。

回调队列​

总的来说，通过 RabbitMQ 进行 RPC 很简单。客户端发送请求消息，服务器回复响应消息。为了接收响应，客户端需要随请求一起发送“回调”队列地址。让我们试试看

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 ...

消息属性​

AMQP 0-9-1 协议预定义了一组与消息相关的 14 个属性。大多数属性很少使用，以下属性除外

  • delivery_mode：将消息标记为持久性（值为 2）或瞬态（任何其他值）。您可能还记得第二个教程中的这个属性。
  • content_type：用于描述编码的 mime 类型。例如，对于常用的 JSON 编码，最好将此属性设置为：application/json。
  • reply_to：通常用于命名回调队列。
  • correlation_id：用于将 RPC 响应与请求关联起来。

关联 ID​

为每个 RPC 请求创建一个回调队列效率低下。更好的方法是为每个客户端创建一个单独的回调队列。

这引发了一个新问题，在队列中收到响应后，不清楚响应属于哪个请求。这时就需要使用 correlation_id 属性。我们将为每个请求将其设置为唯一值。稍后，当我们在回调队列中收到消息时，我们将查看此属性，并根据该属性将响应与请求匹配。如果我们看到未知的 correlation_id 值，我们可以安全地丢弃该消息 - 它不属于我们的请求。

您可能会问，为什么我们应该忽略回调队列中的未知消息，而不是抛出错误？这是因为服务器端可能存在竞争条件。尽管不太可能，但 RPC 服务器可能在向我们发送答案后，但在为请求发送确认消息之前就崩溃了。如果发生这种情况，重新启动的 RPC 服务器将再次处理该请求。这就是为什么在客户端我们必须优雅地处理重复响应，并且 RPC 最好是幂等的。

总结​

我们的 RPC 将像这样工作

  • 当客户端启动时，它会创建一个独占回调队列。
  • 对于 RPC 请求，客户端发送一条消息，其中包含两个属性：reply_to，设置为回调队列；correlation_id，设置为每个请求的唯一值。
  • 请求被发送到 rpc_queue 队列。
  • RPC 工作者（又名：服务器）正在等待该队列上的请求。当请求出现时，它会完成工作并将结果消息发送回客户端，使用来自 reply_to 字段的队列。
  • 客户端等待回调队列上的数据。当消息出现时，它会检查 correlation_id 属性。如果它与请求中的值匹配，则将响应返回给应用程序。

将它们放在一起​

rpc_server.py (源代码)

#!/usr/bin/env python
import pika

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

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()

服务器代码相当简单明了

  • 像往常一样，我们首先建立连接并声明队列 rpc_queue。
  • 我们声明我们的斐波那契函数。它仅接受有效的正整数输入。（不要期望这个函数能处理大数字，它可能是最慢的递归实现）。
  • 我们为 basic_consume 声明一个回调 on_request，它是 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。
  • 我们可能想要运行多个服务器进程。为了将负载平均分配到多个服务器上，我们需要设置 prefetch_count 设置。

rpc_client.py (源代码)

#!/usr/bin/env python
import pika
import uuid


class FibonacciRpcClient(object):

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

        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}")

客户端代码稍微复杂一些

  • 我们建立连接、通道并为回复声明一个独占 callback_queue。
  • 我们订阅 callback_queue，以便我们可以接收 RPC 响应。
  • 在每个响应上执行的 on_response 回调函数执行一个非常简单的工作，对于每个响应消息，它都会检查 correlation_id 是否是我们正在寻找的那个。如果是，它会将响应保存在 self.response 中并中断消费循环。
  • 接下来，我们定义我们的主 call 方法 - 它执行实际的 RPC 请求。
  • 在 call 方法中，我们生成一个唯一的 correlation_id 号码并保存它 - on_response 回调函数将使用此值来捕获适当的响应。
  • 同样在 call 方法中，我们发布请求消息，其中包含两个属性：reply_to 和 correlation_id。
  • 最后，我们等待直到正确的响应到达，并将响应返回给用户。

我们的 RPC 服务现在已准备就绪。我们可以启动服务器

python rpc_server.py
# => [x] Awaiting RPC requests

要请求斐波那契数，请运行客户端

python rpc_client.py
# => [x] Requesting fib(30)

所提出的设计不是 RPC 服务的唯一可能实现，但它具有一些重要的优势

  • 如果 RPC 服务器太慢，您只需运行另一个服务器即可扩展。尝试在新控制台中运行第二个 rpc_server.py。
  • 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，RPC 客户端对于单个 RPC 请求只需要一个网络往返。

我们的代码仍然非常简单，并没有尝试解决更复杂（但重要）的问题，例如

  • 如果没有服务器运行，客户端应该如何反应？
  • 客户端是否应该为 RPC 设置某种超时？
  • 如果服务器发生故障并引发异常，是否应该将其转发给客户端？
  • 在处理之前防止无效的传入消息（例如，检查边界）。

如果您想进行实验，您可能会发现 管理 UI 对于查看队列很有用。

© . All rights reserved.