RabbitMQ之通信模型之Work模型

RabbitMQ之通信模型之Work模型

本文到這裡就結束了，主要介紹了RabbitMQ通信模型中的work模型，適用於限流、削峰等應用場景。

大家好，我是指北君。

今天指北君帶領大家接著學習RabbitMQ，了解RabbitMQ的五大通信模型之一的Work模型；接下來還會有關於RabbitMQ的系列教程，對你有幫助的話記得關注哦~

回顧

上一篇文章中，簡單的介紹了一下RabbitMQ，以及安裝和hello world。

有的小伙伴留言說看不懂其中的方法參數，這裡先解釋一下幾個基本的方法參數。

// 声明队列方法
channel.queueDeclare(QUEUE_NAME, false, false, false, null);
/**
 * param1：queue 队列的名字
 * param2：durable 是否持久化；比如现在发送到队列里面的消息，如果没有持久化，重启这个队列后数 据会丢失(false) true：重启之后数据依然在
 * param3：exclusive 是否排外(是否是当前连接的专属队列)，排外的意思是：
 *            1：连接关闭之后 这个队列是否自动删除（false：不自动删除）
 *            2：是否允许其他通道来进行访问这个数据（false：不允许） 
 * param4：autoDelete 是否自动删除
 *            就是当最后一个连接断开的时候，是否自动删除这个队列（false：不删除）
 * param5：arguments(map) 声明队列的时候，附带的一些参数
 */
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
// 发送数据到队列
channel.basicPublish("", QUEUE_NAME, MessageProperties.PERSISTENT_TEXT_PLAIN, "第一个队列消息...".getBytes());
/**
 * param1：exchange  交换机  没有就设置为 "" 值就可以了
 * param2：routingKey 路由的key  现在没有设置key，直接使用队列的名字
 * param3：BasicProperties 发送数据到队列的时候，是否要带一些参数。
 *      MessageProperties.PERSISTENT_TEXT_PLAIN表示没有带任何参数
 * param4：body 向队列中发送的消息数据
 */
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.

Work模型

work模型稱為工作隊列或者競爭消費者模式，多個消費者消費的數據之和才是原來隊列中的所有數據，適用於流量的削峰。

圖片

演示

寫個簡單的測試：

生產者

public class Producer {
    private static final String QUEUE_NAME = "queue_work_1";

    public static void main(String[] args) throws IOException, TimeoutException {
        Connection connection = ConnectionUtils.getConnection();
        Channel channel = connection.createChannel();
        channel.queueDeclare(QUEUE_NAME, false, false, false, null);
        for (int i = 0; i < 100; i++) {
            channel.basicPublish("", QUEUE_NAME, null, ("work模型：" + i).getBytes());
        }
        channel.close();
        connection.close();
    }

}
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.

消費者

// 消费者1
public class Consumer {
    private static final String QUEUE_NAME = "queue_work_1";

    public static void main(String[] args) throws IOException, TimeoutException {
        Connection connection = ConnectionUtils.getConnection();
        Channel channel = connection.createChannel();
        channel.queueDeclare(QUEUE_NAME, false, false, false, null);
        // channel.basicQos(0, 1, false);
        DefaultConsumer defaultConsumer = new DefaultConsumer(channel) {
            @Override
            public void handleDelivery(String consumerTag, Envelope envelope, AMQP.BasicProperties properties, byte[] body) throws IOException {
                System.out.println(System.currentTimeMillis() + "消费者1接收到信息：" + new String(body));
                channel.basicAck(envelope.getDeliveryTag(), false);
            }
        };
        channel.basicConsume(QUEUE_NAME, false, defaultConsumer);
    }

}
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
// 消费者2
public class Consumer2 {
    private static final String QUEUE_NAME = "queue_work_1";

    public static void main(String[] args) throws IOException, TimeoutException {
        Connection connection = ConnectionUtils.getConnection();
        Channel channel = connection.createChannel();
        channel.queueDeclare(QUEUE_NAME, false, false, false, null);
        // channel.basicQos(0, 1, false);
        DefaultConsumer defaultConsumer = new DefaultConsumer(channel) {
            @Override
            public void handleDelivery(String consumerTag, Envelope envelope, AMQP.BasicProperties properties, byte[] body) throws IOException {
                System.out.println(System.currentTimeMillis() + "消费者2接收到信息：" + new String(body));
                channel.basicAck(envelope.getDeliveryTag(), false);
                // 这里加了个延迟，表示处理业务时间
                try {
                    Thread.sleep(200);
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
            }
        };
        channel.basicConsume(QUEUE_NAME, false, defaultConsumer);
    }
}
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.
  • 22.
  • 23.
  • 24.
  • 25.

結果

圖片


圖片

可以看出來：100條消息，消費者之間是平分的，消費者1 幾乎是瞬間完成，消費者2 則是慢慢吞吞的運行完畢，消費者1大量時間處於空閒狀態，消費者2則一直忙碌。這顯然是不適用於實際開發中。

我們需要遵從一個原則，就是 能者多勞 ，消費越快的人，消費的越多；

現在我們把消費者1和2的代碼中 // channel.basicQos(0, 1, false); 這行代碼取消註釋，再次運行；

圖片

圖片

現在的結果就比較符合能者多勞，雖然你幹的多，但是工資是一樣的呀~

work模型的一個主要的方法是basicQos()；這裡也解釋一下其參數：

// 设置限流机制
channel.basicQos(0, 1, false);
/**  
 *  param1: prefetchSize，消息本身的大小 如果设置为0  那么表示对消息本身的大小不限制
 *  param2: prefetchCount，告诉rabbitmq不要一次性给消费者推送大于N个消息
 *  param3：global，是否将上面的设置应用于整个通道，false表示只应用于当前消费者
 */
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.

小結

本文到這裡就結束了，主要介紹了RabbitMQ通信模型中的work模型，適用於限流、削峰等應用場景。