在上篇文章中，我们介绍了消费端的确认，那么在生产者有没有确认机制呢？答案是有的。 参考我们发送消息的代码段:

channel.basic_publish(exchange='testexchange', routing_key='hello', body='Hello World!{}'.format(i),
                          mandatory=True,
                          properties=pika.BasicProperties(
                              delivery_mode=2,  # 消息持久化
                          ))

如果在发送方发出消息后，如果exchange写错了，或者没有任何队列绑定我们发送的exchange，那么在这时候发送方是对此浑然不知的，而rabbitmq为了解决这个问题下面介绍下。

生产者将信道设置成confirm（确认）模式，一旦信道进入confirm模式，所有在该信道上面发布的消息都会被指派一个唯一的ID（从1开始），一旦消息被投递到所有匹配的队列之后，RabbitMQ就会发送一个确认（Basic.Ack）给生产者（包含消息的唯一ID），这就使得生产者知晓消息已经正确到达了目的地了。如果消息和...

首先，我们先看下这样的业务场景，在消息发出后，Consumer接收到了生产者所发出的消息，但在Consumer突然出错崩溃，或者异常退出了，但是生产者消息已经发出来了，那么这个消息可能就会丢失，为了解决这样的问题，RabbitMQ引入了ack机制。 消费者在订阅队列时，可以指定autoAck参数，当autoAck等于false时，RabbitMQ会等待消费者显式地回复确认信号后才从内存(或者磁盘)中移去消息(实质上是先打上删除标记，之后再删除)。当autoAck等于true时，RabbitMQ会⾃自动把发送出去的消息置为确认， 然后从内存(或者磁盘)中删除，而不管消费者是否真正地消费到了这些消息。 当采用ack消息确认机制后，只要将autoAck设置为false。消费者就可以有足够的时间来处理消息，而不用担心消费过程中突然异常退出导致消息丢失的情况，因为RabbitMQ会一直持有消息，直到消费者调用basic.ack为止。在这种情况下，对于RabbitMQ来说，队列中的消息就可以分为两部分，一部分是等待发送给消费者的消息，另外一部分就是等待接收消费者确认的消息。那么如果在这个时候，消费者突然发生中断，在消费中的消息会怎么处理呢？ 如果RabbitMQ一直没有接收到消费者的确认消息，并且消费者的连接已经关闭，那么RabbitMQ就会重新将让消息进入队列中，等待下一个消费者消费...

基本介绍

RabbitMQ, 是一个使用erlang编写的AMQP(高级消息队列协议)的服务实现. 简单来说, 就是一个功能强大的消息队列服务.流程上来说，是发消息者(producer)把消息放到队列(queue)中去，然后收消息者(consumer)从队列中取出消息. RabbitMQ在这个基本概念之上, 多做了一层抽象, 在发消息者和队列之间, 加入了交换器 (Exchange). 这样发消息者和队列就没有直接联系, 转而变成发消息者把消息给交换器, 交换器根据调度策略再把消息再给队列。
rabbitmq中几个比价重要的概念如下: - Producer，生产者，创建消息，然后发布到rabbitmq中，消息一般可以包含两个部分：消息体（payload）和标签（label），消息体一般是带有业务逻辑结构的数据。 - Consumer，消费者，接收消息。消费者连接到rabbitmq服务器，并订阅到队列上。当消费者消费一条消息时，只是消费消息体，存入到队列中的消息只有消息体。 - Broker 消费中间件的服务节点。 - 交换机 生产者将消息发送到Exchange（交换器，通常也可以用大写的“X”来表示），由交换器将消息路由到一个或者多个队列中。如果路由不到，或许会返回给生产者，或许直接丢弃。

消息队列运转过程：

使用示例

下面介绍下python如何使用rabbitmq...

asyncio介绍

熟悉c#的同学可能知道，在c#中可以很方便的使用async和await来实现异步编程，那么在python中应该怎么做呢，其实python也支持异步编程，一般使用asyncio这个库，下面介绍下什么是asyncio:

asyncio 是用来编写 并发 代码的库，使用async/await语法。 asyncio 被用作多个提供高性能Python异步框架的基础，包括网络和网站服务，数据库连接库，分布式任务队列等等。 asyncio 往往是构建 IO 密集型和高层级 结构化 网络代码的最佳选择。

asyncio中的基本概念

可以看见，使用asyncio库我们也可以在python代码中使用async和await。在asyncio中，有四个基本概念，分别是：

Eventloop

Eventloop可以说是asyncio应用的核心，中央总控，Eventloop实例提供了注册、取消、执行任务和回调 的方法。 简单来说，就是我们可以把一些异步函数注册到这个事件循环上，事件循环回循环执行这些函数（每次只能执行一个），如果当前正在执行的函数在等待I/O返回，那么事件循环就会暂停它的执行去执行其他函数。当某个函数完成I/O后会恢复，等到下次循环到它的时候就会继续执行。

Coroutine

协程本质就是一个函数，

import asyncio
import time

asyn...

先介绍下什么是协程：

协程，又称微线程，纤程，英文名Coroutine。协程的作用，是在执行函数A时，可以随时中断，去执行函数B，然后中断继续执行函数A（可以自由切换）。但这一过程并不是函数调用（没有调用语句），这一整个过程看似像多线程，然而协程只有一个线程执行。

是不是有点没看懂，没事，我们下面会解释。要理解协程是什么，首先需要理解yield，这里简单介绍下，yield可以理解为生成器，yield item这行代码会产出一个值，提供给next(...)的调用方; 此外，还会作出让步，暂停执行生成器，让调用方继续工作，直到需要使用另一个值时再调用next()。调用方会从生成器中拉取值，但是在协程中，yield关键字一般是在表达式右边(如,data=yield)，协程可以从调用方接收数据，也可以产出数据，下面看一个简单的例子：

>>> def simple_coroutine():
...     print('coroutine start')
...     x = yield
...     print('coroutine recive:',x)
...     
>>> my_co=simple_coroutine()
>>> my_co
<generator object simple_coroutine at 0x1085174f8>
>>> next(m...

装饰器基础知识

装饰器是可调用对象，其参数是另一个函数（被装饰的函数）。装饰器可能会处理被装饰的函数，然后把它返回，或者将其替换成另一个函数或可调用对象。 假如有一个名为decorate的装饰器：

@decorate
def target():
    print('running target()')

上述代码的效果与下述写法一样：

def target():
    print('running target()')
target = decorate(target)

两种写法的最终结果一样：上述两个代码片段执行完毕后得到的target不一定是原来那个target函数，而是decorate(target)返回的函数。
严格来说，装饰器只是语法糖。装饰器可以像常规的可调用对象那样调用，其参数是另一个函数。有时，这样更方便，尤其是元编程（在运行时改变程序行为）时。
综上，装饰器的一大特征是，能把被装饰的函数替换为其他函数。第二个特性是，装饰器在加载模块时立即执行，这通常是在导入时（即python加载模块时。

闭包

闭包时指延伸了作用域的函数，其中包含函数定义体中引用、但是不在定义体中定义的非全局变量。 参考下面函数:

def make_averager():
    series = []

    def averager(new_value):
       ...