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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0447
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0766
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0312
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
项目优选
收起
暂无描述
Markdown
827
5.48 K
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
494
515
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284