distributed-computing/tasks/grenaderova-aa/lab_4

Отчет по лабораторной работе №4

Выполнила студентка гр. ИСЭбд-41 Гренадерова А.А.

Прохождение tutorial

Установила rabbitMQ server, erlang и зашла в брокер под гостем по http://localhost:15672/#/

Туториал 1:

Туториал 2:

Туториал 3:

Разработка демонстрационных приложений

Предметная область: Городское планирование и архитектура. Разработала три приложения согласно предметной области.

1. Publisher

import pika
import time
import random

collection = ["Buildings", "Streets", "Parks", "Transport", "Lighting"]

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

channel.exchange_declare(exchange='Entities', exchange_type='fanout')

while True:
    message = f"Message: {random.choice(collection)}"

    channel.basic_publish(exchange='Entities', routing_key='', body=message)

    time.sleep(1)

connection.close()

2. Consumer 1.

import pika
import time

def process_message(ch, method, properties, body):
    print(f"Получено сообщение: {body}")
    time.sleep(3)
    print("Сообщение обработано")

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

result = channel.queue_declare(queue='', exclusive=True)
queue_name = result.method.queue

channel.queue_bind(exchange='Entities', queue=queue_name)

channel.basic_consume(queue=queue_name, on_message_callback=process_message, auto_ack=True)

print('Ожидание сообщений')
channel.start_consuming()

3. Consumer 2.

import pika


def process_message(ch, method, properties, body):
    print(f"Получено сообщение: {body}")
    print("Сообщение обработано")

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

result = channel.queue_declare(queue='', exclusive=True)
queue_name = result.method.queue

channel.queue_bind(exchange='Entities', queue=queue_name)

channel.basic_consume(queue=queue_name, on_message_callback=process_message, auto_ack=True)

print('Ожидание сообщений')
channel.start_consuming()

Результаты выполнения лабораторной работы

Результат отработки Consumer_1:

Результат отработки Consumer_2:

Вывод: Consumer_2 нагружает меньше памяти, чем Consumer_1 и принимает сообщения гораздо быстрее, тем самым не позволяя очереди накапливать огромное количество сообщений.