190 lines
11 KiB
Markdown
190 lines
11 KiB
Markdown
|
|
|||
|
|
# Лабораторная работа 4.
|
|||
|
|
|
|||
|
|
### Задание
|
|||
|
|
**Цель**: изучение проектирования приложений при помощи брокера сообщений.
|
|||
|
|
|
|||
|
|
**Задачи**:
|
|||
|
|
|
|||
|
|
- Установить брокер сообщений RabbitMQ.
|
|||
|
|
- Пройти уроки 1, 2 и 3 из RabbitMQ Tutorials на любом языке программирования.
|
|||
|
|
- Продемонстрировать работу брокера сообщений.
|
|||
|
|
|
|||
|
|
### Как запустить лабораторную работу
|
|||
|
|
В директории с файлом характеристик docker-compose.yaml выполнить команду:
|
|||
|
|
```
|
|||
|
|
docker-compose -f docker-compose.yaml up
|
|||
|
|
```
|
|||
|
|
### Описание лабораторной работы
|
|||
|
|
#### Прохождение tutorial
|
|||
|
|
|
|||
|
|
**1. *"Hello world"***
|
|||
|
|
|
|||
|
|
Результат работы producer:
|
|||
|
|
|
|||
|
|
|
|||
|
|
Результат работы consumer:
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
**2. *"Work Queues"***
|
|||
|
|
|
|||
|
|
Результат работы producer:
|
|||
|
|
|
|||
|
|
|
|||
|
|
Результат работы consumer:
|
|||
|
|
|
|||
|
|
|
|||
|
|
**3. *"Publish/Subscribe"***
|
|||
|
|
|
|||
|
|
Результат работы producer:
|
|||
|
|
|
|||
|
|
|
|||
|
|
Результат работы consumer1:
|
|||
|
|
|
|||
|
|
|
|||
|
|
Результат работы consumer2:
|
|||
|
|
|
|||
|
|
|
|||
|
|
|
|||
|
|
#### Разработка демонстрационных приложений
|
|||
|
|
Для разработки демонстрационных приложений была выбрана предметная область прошлой лабораторной работы, состоящая из тренировок и упражнений.
|
|||
|
|
|
|||
|
|
Согласно заданию необходимо создать:
|
|||
|
|
1. Publisher, которая создаёт один exchange с типом fanout.
|
|||
|
|
|
|||
|
|
Для этого создадим список logs, который хранит различные сообщения логов, которые могут быть отправлены.
|
|||
|
|
|
|||
|
|
```python
|
|||
|
|
logs = ["started exercise", "finished exercise", "started training", "finished training"]
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
Установим соединение с локальным *RabbitMQ* сервером на `localhost` и создадим канал связи с *RabbitMQ* для отправки и получения сообщений.
|
|||
|
|
|
|||
|
|
```python
|
|||
|
|
connection = pika.BlockingConnection(pika.ConnectionParameters('localhost'))
|
|||
|
|
channel = connection.channel()
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
Далее определим имя обмена в *RabbitMQ*, в данном случае logs и объявем обмен с указанным именем и типом fanout, что означает, что все сообщения, отправленные в этот обмен, будут отправлены всем подписчикам, которые присоединены к нему.
|
|||
|
|
```python
|
|||
|
|
exchange_name = 'logs'
|
|||
|
|
channel.exchange_declare(exchange=exchange_name, exchange_type='fanout')
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
Для того, чтобы программа раз в секунду генерировала сообщения в журнал событий создадим цикл, в котором будет выбираться случайное сообщение из списка `logs`, публиковаться в обмен `logs` без указания ключа маршрутизации (сообщение будет доставлено всем подписчикам этого обмена). И также укажем задержку в 1 секунду между каждой публикацией сообщения.
|
|||
|
|
```python
|
|||
|
|
while 1:
|
|||
|
|
log = random.choice(logs)
|
|||
|
|
channel.basic_publish(exchange=exchange_name, routing_key='', body=log)
|
|||
|
|
print(f" [x] Published: {log}")
|
|||
|
|
time.sleep(1)
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
2. Consumer 1, которая создаёт под себя отдельную не анонимную очередь, создаёт binding на exchange и начинает принимать сообщения. Программа должна обрабатывать сообщения 2-3 секунды.
|
|||
|
|
|
|||
|
|
Создадим функцию `message_manager`, которая принимает три аргумента: `channel` (канал связи с RabbitMQ), `queue_name` (имя очереди) и `exchange_name` (имя обмена).
|
|||
|
|
Затем объявляем очеред с указанным именем, связываем очередь с обменом, чтобы сообщения из этого обмена были доставлены в эту очередь.
|
|||
|
|
|
|||
|
|
Также создаем функцию `callback`, которая будет вызываться при получении нового сообщения из очереди. В данной функции происходит декодирование полученного сообщения из байтового формата в строку, вывод результата в консоль и имитация обработки сообщения с помощью задержки сообщения на 2-3 секунды. В зависимости от полученного значения декодированого сообщения, происходит вывод сообщение о статусе обработки, а также происходит подтверждение успешной обработки сообщения.
|
|||
|
|
|
|||
|
|
```python
|
|||
|
|
def callback(ch, method, properties, body):
|
|||
|
|
task = body.decode()
|
|||
|
|
print(f" [x] Received : {task}")
|
|||
|
|
time.sleep(random.randint(2, 3))
|
|||
|
|
if task == "started exercise":
|
|||
|
|
print(" [x] Started timer")
|
|||
|
|
elif task == "finished exercise":
|
|||
|
|
print(" [x] Stopped timer, started another exercise")
|
|||
|
|
elif task == "started training":
|
|||
|
|
print(" [x] Started manage exercise")
|
|||
|
|
else:
|
|||
|
|
print(" [x] Result of training given")
|
|||
|
|
ch.basic_ack(delivery_tag=method.delivery_tag)
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
Далее устанавливаем обработчик callback для сообщений из указанной очереди и запускаем бесконечный цикл получения и обработки сообщений из очереди.
|
|||
|
|
Таким образом, функция `message_manager` выглядет следующим образом:
|
|||
|
|
|
|||
|
|
```python
|
|||
|
|
def message_manager(channel, queue_name, exchange_name):
|
|||
|
|
channel.queue_declare(queue=queue_name)
|
|||
|
|
channel.queue_bind(exchange=exchange_name, queue=queue_name)
|
|||
|
|
|
|||
|
|
def callback(ch, method, properties, body):
|
|||
|
|
task = body.decode()
|
|||
|
|
print(f" [x] Received : {task}")
|
|||
|
|
time.sleep(random.randint(2, 3))
|
|||
|
|
if task == "started exercise":
|
|||
|
|
print(" [x] Started timer")
|
|||
|
|
elif task == "finished exercise":
|
|||
|
|
print(" [x] Stopped timer, started another exercise")
|
|||
|
|
elif task == "started training":
|
|||
|
|
print(" [x] Started manage exercise")
|
|||
|
|
else:
|
|||
|
|
print(" [x] Result of training given")
|
|||
|
|
ch.basic_ack(delivery_tag=method.delivery_tag)
|
|||
|
|
|
|||
|
|
channel.basic_consume(queue=queue_name, on_message_callback=callback)
|
|||
|
|
print("[*] Waiting for messages. To exit press CTRL+C")
|
|||
|
|
channel.start_consuming()
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
Далее создаем соединение с *RabbitMQ*, создаем канал и определяем имя обмена и имя очереди. Затем, создаем поток `consumer_thread`, который вызывает функцию `message_manager` с передачей канала, имени очереди и имени обмена в качестве аргументов. После этого, поток запускается и ожидает его завершения с помощью `consumer_thread.join()`, чтобы основной поток программы не завершился до завершения работы обработчика сообщений.
|
|||
|
|
|
|||
|
|
```python
|
|||
|
|
connection = pika.BlockingConnection(pika.ConnectionParameters('localhost'))
|
|||
|
|
channel = connection.channel()
|
|||
|
|
exchange_name = 'logs'
|
|||
|
|
queue_name = 'slow-queue'
|
|||
|
|
|
|||
|
|
consumer_thread = threading.Thread(target=message_manager, args=(channel, queue_name, exchange_name))
|
|||
|
|
consumer_thread.start()
|
|||
|
|
consumer_thread.join()
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
|
|||
|
|
3. Consumer 2. Аналогично Consumer 1, только сообщения необходимо обрабатывать моментально и имя очереди должно отличаться от Consumer 1.
|
|||
|
|
|
|||
|
|
Аналогично создаем подключение к серверу с помощью `pika.BlockingConnection`,создаем канал для обмена сообщениями с помощью `connection.channel()`. Определяем имя обменника *"logs"* и имя очереди *"fast-queue"*. Далее объявляем саму очередь с данным именем.
|
|||
|
|
|
|||
|
|
```python
|
|||
|
|
connection = pika.BlockingConnection(pika.ConnectionParameters('localhost'))
|
|||
|
|
channel = connection.channel()
|
|||
|
|
exchange_name = 'logs'
|
|||
|
|
queue_name = 'fast-queue'
|
|||
|
|
|
|||
|
|
channel.queue_declare(queue=queue_name)
|
|||
|
|
channel.queue_bind(exchange=exchange_name, queue=queue_name)
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
После чего создаем функцию `callback`, которая будет вызываться при получении сообщений из очереди. Функция принимает параметры `ch` (канал), `method` (метод доставки), `properties` (свойства сообщения) и `body` (тело сообщения). В данном случае, функция аналогично декодирует тело сообщения в строку и выводит соответствующее сообщение в зависимости от значения `task`.
|
|||
|
|
```python
|
|||
|
|
def callback(ch, method, properties, body):
|
|||
|
|
task = body.decode()
|
|||
|
|
print(f" [x] Received : {task}")
|
|||
|
|
if task == "started exercise":
|
|||
|
|
print(" [x] Started timer")
|
|||
|
|
elif task == "finished exercise":
|
|||
|
|
print(" [x] Stopped timer, started another exercise")
|
|||
|
|
elif task == "started training":
|
|||
|
|
print(" [x] Started manage exercise")
|
|||
|
|
else:
|
|||
|
|
print(" [x] Result of training given")
|
|||
|
|
ch.basic_ack(delivery_tag=method.delivery_tag)
|
|||
|
|
|
|||
|
|
```
|
|||
|
|
Код будет ожидать и обрабатывать сообщения, пока не будет прерван.
|
|||
|
|
|
|||
|
|
Результат работы быстрой очереди:
|
|||
|
|
|
|||
|
|
|
|||
|
|
Результат работы медленной очереди:
|
|||
|
|
|
|||
|
|
|
|||
|
|
Таким образом, можно сделать вывод о том, что в очереди fast-queue сообщения обрабатываются мгновенно, а в очереди slow-queue они обрабатываются с задержкой и в следствии этого сообщения накапливаются в очереди.
|
|||
|
|
|
|||
|
|
### Видео
|
|||
|
|
|
|||
|
|
https://disk.yandex.ru/i/Qei-5DvhovOBJA
|