Python11 RabbitMQ Redis

pip install pika
or
easy_instal pika
or 
源码

https://pypi.python.org/pypi/pika

import pika
# 申明一个链接
connection = pika.BlockingConnection(pika.ConnectionParameters("localhost"))
# 申明一个管道
channel = connection.channel()
# 申明一个队列
channel.queue_declare(queue="queue1")
# 发布队列消息
channel.basic_publish(exchange="",
                      routing_key="queue1",
                      body="hello from rabbitMQ send client")
print("send data out..")
connection.close()

import pika
connection = pika.BlockingConnection(pika.ConnectionParameters("localhost"))
channel = connection.channel()
# 这里为什么还要申明一下这个管道里面的队列，因为作为一个接收端，我们是无法察觉到发送端是否已经申明这个队列或者发送数据
# 这里我们为了不让系统报错就需要这样申明一下，如果你能确定已经在另一端申明了这个queue也可以忽略注释掉，当然这都是建议
channel.queue_declare(queue="queue1")
# 这里先不解释，但是body大家一眼就能看出来是传递的message
def callback(ch, method, properties, body):
    print("recv from send client:", body)
# 消费与准备，消费的回掉函数叫callback，队列是queue1，no_ack
channel.basic_consume(callback,
                      queue="queue1",
                      no_ack=False)
# no_ack = True 之后消息会轮询，即如果有2个recv端，a先接收一条，然后b接收一条，然后a，看ab起来的顺序轮询接收
# 实际上，no_ack代表没有回执如果true消息只发送给a一次，如果是false的话，a断了会将a所有的消息全部重新发给b，因为没有回执确认
print("waiting for message....")
channel.start_consuming()

credentials = pika.PlainCredentials(‘dandy‘, ‘password.1‘)

connection = pika.BlockingConnection(pika.ConnectionParameters(
    ‘10.211.55.5‘,5672,‘/‘,credentials))

channel = connection.channel()

channel.queue_declare(queue=‘hello‘, durable=True)

import pika

connection = pika.BlockingConnection(
    pika.ConnectionParameters("localhost")
)  # 实例化一个链接
channel = connection.channel()  # 实例化一个管道

channel.queue_declare(queue="queue1", durable=True)  # 实例化一个队列

channel.basic_publish(exchange="",
                      routing_key="queue1",
                      body="hello world123----00000",
                      properties=pika.BasicProperties(
                          delivery_mode=2,
                      ))  # properties消息持久化，需要先队列持久化
# 发布管道的队列
print("producer send hello world !")
connection.close()  # 关闭链接

import pika
connection = pika.BlockingConnection(pika.ConnectionParameters("localhost"))  #
channel = connection.channel()
channel.queue_declare(queue="queue1", durable=True)
# durable=True 持久化队列


def callback(ch, method, properties, body):
    print("recv:", body)  # callback  回调函数

    #ch.basic_ack(delivery_tag=method.delivery_tag)  # 跟producer手动确认 如果没有这一句的话，之前的消息就全部没有确认，consumer断开队列就会发给下一个consumer


# 消费管道中的queue1队列
channel.basic_consume(callback,
                      queue="queue1",
                      #no_ack=True
                      )    # no acknowledgement 没有确认
# 如果no_ack 没有加，消息会轮询发送给consumer（启动多个）a消息发给C1，b消息发给C2，c消息发给C1 这样的顺序
channel.start_consuming()


# 轮询机制 按顺序发给多个consumer启动项

import pika

connection = pika.BlockingConnection(
    pika.ConnectionParameters(host="localhost")
)

channel = connection.channel()

channel.exchange_declare(exchange="logs",
                         exchange_type="fanout")
# 广播模式，发送给所有接收者
msg = "hello, this is from fanout  | random  msg ........"

channel.basic_publish(exchange="logs",
                      routing_key="",
                      body=msg)
print("Producer Send %s" % msg)
connection.close()

import pika
connection = pika.BlockingConnection(
    pika.ConnectionParameters(host="localhost")
)  # 实例化 声明一个连接
channel = connection.channel()  # 实例化，声明一个管道
channel.exchange_declare(exchange="logs",
                         exchange_type="fanout")

result = channel.queue_declare(exclusive=True)  # 根据管道生成一个队列随机数名称
queue_name = result.method.queue  # 获取对列名
print("random queue name: ",queue_name)

channel.queue_bind(exchange="logs",
                   queue= queue_name)  # 绑定管道

print("waiting for test1...")
def callback(ch, method, properties, body):
    print("body: ", body)
channel.basic_consume(callback,
                      queue=queue_name,
                      no_ack=True)

channel.start_consuming()

import pika
connection = pika.BlockingConnection(pika.ConnectionParameters("localhost"))
channel = connection.channel()
channel.exchange_declare(exchange="direct_log",
                         exchange_type="direct")
security = "error"
msg = "this is from info security."
channel.basic_publish(exchange="direct_log",
                      routing_key=security,
                      body= msg)
print("send from %s: %s".center(60,"-") %(security, msg))

connection.close()

import pika
connection = pika.BlockingConnection(pika.ConnectionParameters("localhost"))  # 创建连接
channel = connection.channel()  # 实例化管道

channel.exchange_declare(exchange="direct_log",
                          exchange_type="direct")

result = channel.queue_declare(exclusive=True)  # 实例化出一个随机队列
queue_name = result.method.queue  # 获取队列名

severities = ["info","error"]
# 循环绑定特定队列
for severity in severities:
    channel.queue_bind(exchange="direct_log",
                       queue=queue_name,
                       routing_key=severity)

print("\033[31;1mdirect_consumer is waiting for msg.\033[0m")


def callback(ch, method, properties, body):
    print("%s: %s" % (method.routing_key, body))

channel.basic_consume(callback,
                      queue=queue_name,
                      no_ack=True)
channel.start_consuming()
# 有点像logging的等级级别对吧。。。

import pika
import sys
connection = pika.BlockingConnection(pika.ConnectionParameters("localhost"))

channel = connection.channel()

channel.exchange_declare(exchange="topic_log",
                         exchange_type="topic")
routing_key = sys.argv[1] if len(sys.argv)>1 else "anonymous.info"  #可以查一下argv的用法。
mes = " ".join(sys.argv[2:]) or "hellp world !"
channel.basic_publish(exchange="topic_log",
                      routing_key=routing_key,
                      body=mes)
print("send %s: %s".center(50, "-") % (routing_key, mes))
connection.close()

import pika
import sys
connection = pika.BlockingConnection(
    pika.ConnectionParameters("localhost")
)
channel = connection.channel()
channel.exchange_declare(exchange="topic_log",
                         exchange_type="topic")

result = channel.queue_declare(exclusive=True)
queue_name = result.method.queue

binding_keys = sys.argv[1:]
if not binding_keys:
    sys.stderr.write("Usage: %s[binding_key]...\n" % sys.argv[0])
    sys.exit(1)

for binding_key in binding_keys:
    channel.queue_bind(exchange="topic_log",
                       queue= queue_name,
                       routing_key=binding_key)
print("\033[31;1mConsume is waiting for information...\033[0m")


def callback(ch, method, properties,body):
    print("%s: %s" % (method.routing_key, body))
channel.basic_consume(callback,
                      queue=queue_name,
                      no_ack=True)

channel.start_consuming()

#!/user/bin/env python
# -*-coding: utf-8-*-
import pika
import time
connection = pika.BlockingConnection(pika.ConnectionParameters("localhost"))

channel = connection.channel()

channel.queue_declare(queue="rpc_queue")

def fib(n):
    if n == 0:
        return 0
    elif n == 1:
        return 1
    else:
        return fib(n-1) + fib(n-2)


def on_request(ch, method, props, body):
    n = int(body)
    print("fib[%s]" % n)
    response = fib(n)
    ch.basic_publish(exchange="",
                     routing_key=props.reply_to,  # 返回给哪个消息队列
                     properties=pika.BasicProperties(correlation_id=props.correlation_id),  # 将传过来的uuid回传确认
                     body=str(response))
    ch.basic_ack(delivery_tag=method.delivery_tag)  # 手动确认

channel.basic_qos(prefetch_count=1)
channel.basic_consume(on_request, queue="rpc_queue")
print("waiting for RPC request")
channel.start_consuming()  # 开始消费队列消息，并发布新的消息给队列

import pika,uuid

class FibonacciRpcClient(object):
    def __init__(self):
        """构造函数中实现实例化连接，管道，随机队列"""
        self.connection = pika.BlockingConnection(pika.ConnectionParameters("localhost"))
        self.channel = self.connection.channel()
        result = self.channel.queue_declare(exclusive=True)
        self.callback_queue = result.method.queue  # 将随机队列名赋值给callback_queue

        self.channel.basic_consume(self.on_response,
                                   no_ack=True,
                                   queue=self.callback_queue)  # 定义预消费，等待start

    def on_response(self, ch, method, props, body):
        if self.corr_id == props.correlation_id:  # 判断uuid是否一致，有点像验证文件传输后的md5值
            self.response = body

    def call(self, n):
        self.response = None
        self.corr_id = str(uuid.uuid4())  # 生成一个验证用的uuid
        self.channel.basic_publish(exchange="",
                                   routing_key="rpc_queue",
                                   properties=pika.BasicProperties(  # properties里面传了2个参数，定义一个返回队列，给一个标记的返回ID
                                       reply_to=self.callback_queue,
                                       correlation_id= self.corr_id,),
                                   body=str(n))
        while self.response is None:
            self.connection.process_data_events()  # 这边其实就是start consuming...发送数据出去了。
        return int(self.response)


fibo = FibonacciRpcClient()  # 实例化类
print("Requesting 30")
response = fibo.call(7)  # 调用call方法
print("server response:", response)

import redis

r = redis.Redis(host=‘10.211.55.4‘, port=6379)
r.set(‘foo‘, ‘Bar‘)
print r.get(‘foo‘)

127.0.0.1:6379> set name dandy
OK
127.0.0.1:6379> getrange name 0 1
"da"
127.0.0.1:6379> setrange name 4 renee
(integer) 9
127.0.0.1:6379> get name
"dandrenee"

127.0.0.1:6379> get name
"dandrenee"
127.0.0.1:6379> incr login_users
(integer) 1
127.0.0.1:6379> incr login_users
(integer) 2
127.0.0.1:6379> incr login_users
(integer) 3
127.0.0.1:6379> incr login_users
(integer) 4
127.0.0.1:6379> decr login_users
(integer) 3
127.0.0.1:6379> decr login_users
(integer) 2
127.0.0.1:6379> decr login_users
(integer) 1
127.0.0.1:6379> decr login_users
(integer) 0
127.0.0.1:6379> append name appendtest
(integer) 19
127.0.0.1:6379> get name
"dandreneeappendtest"

# 增量式迭代获取，对于数据大的数据非常有用，hscan可以实现分片的获取数据，并非一次性将数据全部获取完，从而放置内存被撑爆
# 参数：
    # name，redis的name
    # cursor，游标（基于游标分批取获取数据）
    # match，匹配指定key，默认None 表示所有的key
    # count，每次分片最少获取个数，默认None表示采用Redis的默认分片个数

# 如：
    # 第一次：cursor1, data1 = r.hscan(‘xx‘, cursor=0, match=None, count=None)
    # 第二次：cursor2, data1 = r.hscan(‘xx‘, cursor=cursor1, match=None, count=None)
    # ...
    # 直到返回值cursor的值为0时，表示数据已经通过分片获取完毕

# 利用yield封装hscan创建生成器，实现分批去redis中获取数据
# 参数：
    # match，匹配指定key，默认None 表示所有的key
    # count，每次分片最少获取个数，默认None表示采用Redis的默认分片个数
# 如：
    # for item in r.hscan_iter(‘xx‘):
    #     print item

127.0.0.1:6379> hset dict name dandy
(integer) 0
127.0.0.1:6379> hget dict name
"dandy"
127.0.0.1:6379> hmset dict sex man school oldboy
OK
127.0.0.1:6379> hget dict
(error) ERR wrong number of arguments for ‘hget‘ command
127.0.0.1:6379> hmget dict name sex school
1) "dandy"
2) "man"
3) "oldboy"
127.0.0.1:6379> hgetall dict
1) "name"
2) "dandy"
3) "sex"
4) "man"
5) "school"
6) "oldboy"
127.0.0.1:6379> hlen dict
(integer) 3
127.0.0.1:6379> hkeys dict
1) "name"
2) "sex"
3) "school"
127.0.0.1:6379> hvals dict
1) "dandy"
2) "man"
3) "oldboy"
127.0.0.1:6379> hexists dict aaa
(integer) 0
127.0.0.1:6379> hexists dict name
(integer) 1
127.0.0.1:6379> hdel dict name
(integer) 1
127.0.0.1:6379> hgetall dict
1) "sex"
2) "man"
3) "school"
4) "oldboy"
127.0.0.1:6379> hincrby dict name 1
(integer) 1
127.0.0.1:6379> hgetall dict
1) "sex"
2) "man"
3) "school"
4) "oldboy"
5) "name"
6) "1"
127.0.0.1:6379> hincrby dict name
(error) ERR wrong number of arguments for ‘hincrby‘ command
127.0.0.1:6379> hincrby dict name 1
(integer) 2
127.0.0.1:6379> hincrby dict name 11
(integer) 13
127.0.0.1:6379> hgetall dict
1) "sex"
2) "man"
3) "school"
4) "oldboy"
5) "name"
6) "13"
127.0.0.1:6379> hscan dict 0 match n*
1) "0"
2) 1) "name"
   2) "dandy"

# 在name对应的list中添加元素，每个新的元素都添加到列表的最左边
# 如：
    # r.lpush(‘oo‘, 11,22,33)
    # 保存顺序为: 33,22,11
# 扩展：
    # rpush(name, values) 表示从右向左操作

# 在name对应的list中添加元素，只有name已经存在时，值添加到列表的最左边
# 更多：
    # rpushx(name, value) 表示从右向左操作

# 在name对应的列表的某一个值前或后插入一个新值
# 参数：
    # name，redis的name
    # where，BEFORE或AFTER
    # refvalue，标杆值，即：在它前后插入数据
    # value，要插入的数据

# 对name对应的list中的某一个索引位置重新赋值
# 参数：
    # name，redis的name
    # index，list的索引位置
    # value，要设置的值

# 在name对应的list中删除指定的值
# 参数：
    # name，redis的name
    # value，要删除的值
    # num，  num=0，删除列表中所有的指定值；
           # num=2,从前到后，删除2个；
           # num=-2,从后向前，删除2个

# 在name对应的列表的左侧获取第一个元素并在列表中移除，返回值则是第一个元素
# 更多：
    # rpop(name) 表示从右向左操作

# 在name对应的列表中根据索引获取列表元素

# 在name对应的列表中移除没有在start-end索引之间的值
# 参数：
    # name，redis的name
    # start，索引的起始位置
    # end，索引结束位置

# 从一个列表取出最右边的元素，同时将其添加至另一个列表的最左边
# 参数：
    # src，要取数据的列表的name
    # dst，要添加数据的列表的name

# 在name对应的列表中移除没有在start-end索引之间的值
# 参数：
    # name，redis的name
    # start，索引的起始位置
    # end，索引结束位置

# 将多个列表排列，按照从左到右去pop对应列表的元素
# 参数：
    # keys，redis的name的集合
    # timeout，超时时间，当元素所有列表的元素获取完之后，阻塞等待列表内有数据的时间（秒）, 0 表示永远阻塞
# 更多：
    # r.brpop(keys, timeout)，从右向左获取数据

# 从一个列表的右侧移除一个元素并将其添加到另一个列表的左侧
# 参数：
    # src，取出并要移除元素的列表对应的name
    # dst，要插入元素的列表对应的name
    # timeout，当src对应的列表中没有数据时，阻塞等待其有数据的超时时间（秒），0 表示永远阻塞

# 获取第一个name对应的集合中且不在其他name对应的集合，再将其新加入到dest对应的集合中

# 获取多一个name对应集合的并集，再讲其加入到dest对应的集合中

# 检查value是否是name对应的集合的成员

# 将某个成员从一个集合中移动到另外一个集合

# 从集合的右侧（尾部）移除一个成员，并将其返回

# 从name对应的集合中随机获取 numbers 个元素

# 在name对应的集合中删除某些值

# 获取多一个name对应的集合的并集

# 获取多一个name对应的集合的并集，并将结果保存到dest对应的集合中

# 同字符串的操作，用于增量迭代分批获取元素，避免内存消耗太大

# 在name对应的有序集合中添加元素
# 如：
     # zadd(‘zz‘, ‘n1‘, 1, ‘n2‘, 2)
     # 或
     # zadd(‘zz‘, n1=11, n2=22)

# 获取name对应的有序集合元素的数量

# 获取name对应的有序集合中分数 在 [min,max] 之间的个数

# 自增name对应的有序集合的 name 对应的分数

# 按照索引范围获取name对应的有序集合的元素
# 参数：
    # name，redis的name
    # start，有序集合索引起始位置（非分数）
    # end，有序集合索引结束位置（非分数）
    # desc，排序规则，默认按照分数从小到大排序
    # withscores，是否获取元素的分数，默认只获取元素的值
    # score_cast_func，对分数进行数据转换的函数
# 更多：
    # 从大到小排序
    # zrevrange(name, start, end, withscores=False, score_cast_func=float)
 
    # 按照分数范围获取name对应的有序集合的元素
    # zrangebyscore(name, min, max, start=None, num=None, withscores=False, score_cast_func=float)
    # 从大到小排序
    # zrevrangebyscore(name, max, min, start=None, num=None, withscores=False, score_cast_func=float)

# 获取某个值在 name对应的有序集合中的排行（从 0 开始）
# 更多：
    # zrevrank(name, value)，从大到小排序

# 删除name对应的有序集合中值是values的成员
# 如：zrem(‘zz‘, [‘s1‘, ‘s2‘])

# 根据排行范围删除

# 根据分数范围删除

# 获取name对应有序集合中 value 对应的分数

# 获取两个有序集合的交集，如果遇到相同值不同分数，则按照aggregate进行操作
# aggregate的值为:  SUM  MIN  MAX

# 获取两个有序集合的并集，如果遇到相同值不同分数，则按照aggregate进行操作
# aggregate的值为:  SUM  MIN  MAX

# 同字符串相似，相较于字符串新增score_cast_func，用来对分数进行操作

# 根据删除redis中的任意数据类型 del z22

# 检测redis的name是否存在

# 根据模型获取redis的name
# 更多：
    # KEYS * 匹配数据库中所有 key 。
    # KEYS h?llo 匹配 hello ， hallo 和 hxllo 等。
    # KEYS h*llo 匹配 hllo 和 heeeeello 等。
    # KEYS h[ae]llo 匹配 hello 和 hallo ，但不匹配 hillo

# 为某个redis的某个name设置超时时间

# 对redis的name重命名为

# 将redis的某个值移动到指定的db下 16个DB 0~15

# 随机获取一个redis的name（不删除）

# 获取name对应值的类型 

# 同字符串操作，用于增量迭代获取key

import redis
pool = redis.ConnectionPool(host=‘10.211.55.4‘, port=6379)
r = redis.Redis(connection_pool=pool)
# pipe = r.pipeline(transaction=False)
pipe = r.pipeline(transaction=True)
pipe.set(‘name‘, ‘dandy‘)
pipe.set(‘role‘, ‘hero‘)
pipe.execute()

from monitor.RedisHelper import RedisHelper
obj = RedisHelper()

redis_sub = obj.subscribe()

while True:

    msg= redis_sub.parse_response()

    print(msg)

from monitor.RedisHelper import RedisHelper

obj = RedisHelper()

obj.public(‘hello‘)