Python AMQP 0.9.1 客户端库——py-amqp开源项目教程
2025-05-17 16:02:43作者:牧宁李
1. 项目介绍
py-amqp 是一个Python编写的AMQP 0.9.1客户端库,它是一个amqplib的分支,由Celery项目维护。py-amqp旨在提供与librabbitmq兼容的纯Python替代方案,它支持多种RabbitMQ特性,包括多频道事件排空、超时、心跳、消费者取消通知、发布者确认、交换机到交换机的绑定等。该库适用于需要通过AMQP协议与RabbitMQ或其他兼容的消息队列系统进行通信的应用程序。
2. 项目快速启动
首先,确保你已经安装了Python环境。以下是如何安装py-amqp的步骤:
pip install amqp
接下来,你可以通过以下简单的示例代码来快速启动一个py-amqp项目:
简单生产者
import amqp
# 连接到RabbitMQ服务器
with amqp.Connection('broker.example.com') as connection:
channel = connection.channel()
# 发送消息到名为'test'的队列
channel.basic_publish(amqp.Message('Hello World'), routing_key='test')
消费者(带确认)
import amqp
# 连接到RabbitMQ服务器
with amqp.Connection('broker.example.com') as connection:
channel = connection.channel()
# 定义消息处理函数
def on_message(message):
print(f'收到消息 (delivery tag: {message.delivery_tag}): {message.body}')
channel.basic_ack(message.delivery_tag)
# 从名为'test'的队列中接收消息
channel.basic_consume(queue='test', callback=on_message)
# 持续接收消息
while True:
connection.drain_events()
消费者(不带确认)
import amqp
# 连接到RabbitMQ服务器
with amqp.Connection('broker.example.com') as connection:
channel = connection.channel()
# 定义消息处理函数
def on_message(message):
print(f'收到消息 (delivery tag: {message.delivery_tag}): {message.body}')
# 从名为'test'的队列中接收消息,并关闭确认
channel.basic_consume(queue='test', callback=on_message, no_ack=True)
# 持续接收消息
while True:
connection.drain_events()
3. 应用案例和最佳实践
在开发使用py-amqp的应用程序时,以下是一些最佳实践:
- 错误处理:确保适当处理可能出现的异常,例如
ConnectionError和ChannelError。 - 心跳机制:如果你的应用程序在长时间内没有发送或接收消息,请确保定期调用
connection.heartbeat_tick()来维持连接。 - 发布者确认:使用发布者确认机制
Channel.confirm_select()来确保消息被RabbitMQ正确接收。 - 资源管理:使用Python的上下文管理器(
with语句)来确保连接和频道的正确关闭。
4. 典型生态项目
py-amqp 作为RabbitMQ的Python客户端,是许多消息队列系统的核心依赖。以下是一些典型的生态项目:
- Celery:一个异步任务队列/作业队列,基于分布式消息传递进行工作。
- Kombu:一个用于与消息队列对话的Python库,它使用了
py-amqp作为RabbitMQ的客户端之一。 - RabbitMQ:一个开源的消息代理系统,它实现了高级消息队列协议(AMQP)。
通过掌握py-amqp,开发者可以更加灵活地构建与RabbitMQ兼容的分布式系统,实现高效的消息传递与任务分发。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
798
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
779
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
Ascend Extension for PyTorch
Python
376
446
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1