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；接下來還會有關于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，這里先解釋一下幾個基本的方法參數。
// 聲明隊列方法
channel.queueDeclare(QUEUE_NAME, false, false, false, null);
/**
* param1：queue 隊列的名字
* param2：durable 是否持久化；比如現在發(fā)送到隊列里面的消息，如果沒有持久化，重啟這個隊列后數 據會丟失(false) true：重啟之后數據依然在
* param3：exclusive 是否排外(是否是當前連接的專屬隊列)，排外的意思是：
* 1：連接關閉之后 這個隊列是否自動刪除（false：不自動刪除）
* 2：是否允許其他通道來進行訪問這個數據（false：不允許）
* param4：autoDelete 是否自動刪除
* 就是當最后一個連接斷開的時候，是否自動刪除這個隊列（false：不刪除）
* param5：arguments(map) 聲明隊列的時候，附帶的一些參數
*/
// 發(fā)送數據到隊列
channel.basicPublish("", QUEUE_NAME, MessageProperties.PERSISTENT_TEXT_PLAIN, "第一個隊列消息...".getBytes());
/**
* param1：exchange 交換機 沒有就設置為 "" 值就可以了
* param2：routingKey 路由的key 現在沒有設置key，直接使用隊列的名字
* param3：BasicProperties 發(fā)送數據到隊列的時候，是否要帶一些參數。
* MessageProperties.PERSISTENT_TEXT_PLAIN表示沒有帶任何參數
* param4：body 向隊列中發(fā)送的消息數據
*/
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，適用于流量的削峰。
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();
}
}消費者
// 消費者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() + "消費者1接收到信息：" + new String(body));
channel.basicAck(envelope.getDeliveryTag(), false);
}
};
channel.basicConsume(QUEUE_NAME, false, defaultConsumer);
}
}
// 消費者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() + "消費者2接收到信息：" + new String(body));
channel.basicAck(envelope.getDeliveryTag(), false);
// 這里加了個延遲，表示處理業(yè)務時間
try {
Thread.sleep(200);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
};
channel.basicConsume(QUEUE_NAME, false, defaultConsumer);
}
}
結果
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大量時間處于空閑狀態(tài)，消費者2則一直忙碌。這顯然是不適用于實際開發(fā)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); 這行代碼取消注釋，再次運行；
現在的結果就比較符合能者多勞，雖然你干的多，但是工資是一樣的呀~
work模型的一個主要的方法是basicQos()；這里也解釋一下其參數：
// 設置限流機制
channel.basicQos(0, 1, false);
/**
* param1: prefetchSize，消息本身的大小 如果設置為0 那么表示對消息本身的大小不限制
* param2: prefetchCount，告訴rabbitmq不要一次性給消費者推送大于N個消息
* param3：global，是否將上面的設置應用于整個通道，false表示只應用于當前消費者
*/
小結
本文到這里就結束了，主要介紹了RabbitMQ通信模型中的work模型，適用于限流、削峰等應用場景。
