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
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
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
537
3.75 K
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
🎉 (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
1.34 K
755
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.07 K
97
React Native鸿蒙化仓库
JavaScript
303
355
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
337
179
AscendNPU-IR
C++
86
141
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
248