使用Polyconseil/aioamqp实现异步AMQP的Hello World示例
2025-06-20 17:56:19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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
645
149
Ascend Extension for PyTorch
Python
207
221
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++
653
286
React Native鸿蒙化仓库
JavaScript
250
317
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
9
1
🎉 (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
1.13 K
637
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
78
101
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873