使用Polyconseil/aioamqp实现异步AMQP的Hello World示例
2025-06-20 17:43:03作者:何将鹤
引言
在现代分布式系统中,消息队列是实现服务解耦和异步通信的重要组件。AMQP(高级消息队列协议)作为行业标准协议,被广泛应用于企业级消息系统。本文将介绍如何使用Polyconseil/aioamqp这个基于asyncio的AMQP客户端库,实现最基本的"Hello World"消息收发示例。
环境准备
在开始之前,请确保已安装以下环境:
- Python 3.7或更高版本
- aioamqp库(可通过pip安装)
- 兼容AMQP协议的消息中间件服务
消息发送端实现
1. 建立AMQP连接
首先我们需要建立与AMQP中间件服务器的连接。aioamqp.connect()方法会返回transport和protocol两个对象:
import asyncio
import aioamqp
async def connect():
transport, protocol = await aioamqp.connect()
channel = await protocol.channel()
asyncio.get_event_loop().run_until_complete(connect())
这段代码做了以下几件事:
- 使用aioamqp.connect()异步建立连接
- 通过protocol.channel()创建通信信道
- 使用事件循环运行异步函数
2. 声明消息队列
在发送消息前,需要确保目标队列存在。queue_declare方法是幂等的,意味着多次调用不会产生副作用:
await channel.queue_declare(queue_name='hello')
3. 发布消息
现在可以向队列发送我们的"Hello World"消息了:
await channel.basic_publish(
payload='Hello World!',
exchange_name='',
routing_key='hello'
)
参数说明:
- payload:消息内容
- exchange_name:使用空字符串表示默认交换器
- routing_key:指定路由键,这里就是我们的队列名
4. 关闭连接
完成消息发送后,应正确关闭连接:
# 使用AMQP协议关闭连接
await protocol.close()
# 确保底层socket关闭
transport.close()
消息接收端实现
1. 声明队列
同样地,消费者端也需要确保队列存在:
await channel.queue_declare(queue_name='hello')
2. 设置消息回调
aioamqp使用异步回调机制处理接收到的消息。回调函数必须是一个协程:
async def callback(channel, body, envelope, properties):
print(" [x] 收到消息 %r" % body)
回调函数参数说明:
- channel:当前信道对象
- body:消息体内容
- envelope:包含投递信息的对象
- properties:消息属性
3. 开始消费消息
通过basic_consume方法启动消息消费:
await channel.basic_consume(callback, queue_name='hello', no_ack=True)
no_ack=True表示自动确认消息,不需要手动发送确认信号。
完整示例代码
将上述代码组合起来,我们得到完整的发送端和接收端实现。
发送端完整代码:
import asyncio
import aioamqp
async def send_hello():
try:
transport, protocol = await aioamqp.connect()
channel = await protocol.channel()
await channel.queue_declare(queue_name='hello')
await channel.basic_publish(
payload='Hello World!',
exchange_name='',
routing_key='hello'
)
print(" [x] 发送'Hello World!'")
await protocol.close()
transport.close()
except aioamqp.AmqpClosedConnection:
print("连接已关闭")
return
asyncio.get_event_loop().run_until_complete(send_hello())
接收端完整代码:
import asyncio
import aioamqp
async def callback(channel, body, envelope, properties):
print(" [x] 收到消息 %r" % body)
async def receive_hello():
try:
transport, protocol = await aioamqp.connect()
channel = await protocol.channel()
await channel.queue_declare(queue_name='hello')
await channel.basic_consume(callback, queue_name='hello', no_ack=True)
print(' [*] 等待消息。按CTRL+C退出')
except aioamqp.AmqpClosedConnection:
print("连接已关闭")
return
asyncio.get_event_loop().run_until_complete(receive_hello())
实际应用建议
- 错误处理:生产环境中应添加更完善的错误处理和重试机制
- 连接管理:考虑使用连接池管理AMQP连接
- 消息确认:对于重要消息,建议使用手动确认模式(no_ack=False)
- 性能优化:批量发布消息可提高吞吐量
总结
通过这个简单的Hello World示例,我们学习了如何使用aioamqp库进行基本的AMQP消息收发。aioamqp的异步特性使其非常适合现代Python异步应用开发,能够高效处理大量消息而不会阻塞事件循环。
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 StartedRust0191
cann-learning-hubCANN 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 Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
765
4.97 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++
857
1.93 K
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++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
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
456
438
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
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
303
118
昇腾LLM分布式训练框架
Python
178
220