Linux 开发：如何构建后台任务队列 (RabbitMQ / Redis)-linux运维-PHP中文网

Linux 开发：如何构建后台任务队列 (RabbitMQ / Redis)

冷漠man

发布： 2025-11-20 20:06:06

原创

455人浏览过

答案：在Linux下构建后台任务系统，RabbitMQ适合高可靠场景如订单处理，支持持久化与确认机制；Redis则因高性能适用于实时性要求高的轻量任务。

linux 开发：如何构建后台任务队列 (rabbitmq / redis)

在 Linux 环境下开发高可用、可扩展的后台任务系统，使用消息队列是常见做法。RabbitMQ 和 Redis 是两种广泛使用的中间件，适合构建异步任务队列。下面介绍如何基于它们搭建后台任务队列，并给出实际使用建议。

选择合适的消息中间件

根据业务场景选择 RabbitMQ 或 Redis：

RabbitMQ：基于 AMQP 协议，功能完整，支持持久化、确认机制、复杂路由（exchange 类型），适合对可靠性要求高的任务，比如订单处理、邮件发送等。
Redis：轻量、高性能，通过 List 或 Stream 实现队列，适合实时性要求高、任务较轻的场景，如日志收集、计数更新。

如果需要消息重试、优先级、死信队列等功能，优先考虑 RabbitMQ；若追求低延迟和简单部署，Redis 更合适。

使用 RabbitMQ 构建任务队列

以 Python + Pika 为例，快速实现一个基本任务队列：

安装依赖：pip install pika
启动 RabbitMQ：sudo systemctl start rabbitmq-server
生产者（发送任务）：

<font face="monospace">
import pika
connection = pika.BlockingConnection(pika.ConnectionParameters('localhost'))
channel = connection.channel()
channel.queue_declare(queue='task_queue', durable=True)
channel.basic_publish(
    exchange='',
    routing_key='task_queue',
    body='Hello World!',
    properties=pika.BasicProperties(delivery_mode=2)  # 持久化消息
)
connection.close()
</font>

登录后复制

消费者（处理任务）：

<font face="monospace">
def callback(ch, method, properties, body):
    print(f"Received {body}")
    # 模拟耗时任务
    import time; time.sleep(1)
    print("Task done")
    ch.basic_ack(delivery_tag=method.delivery_tag)  # 手动确认
<p>channel.basic_qos(prefetch_count=1)  # 公平分发
channel.basic_consume(queue='task_queue', on_message_callback=callback)
channel.start_consuming()
</font>

登录后复制

注意开启持久化和手动确认，避免任务丢失。

使用 Redis 构建简易任务队列

利用 Redis 的 List 结构或 Stream 实现任务队列：

Text Mark

处理文本内容的AI助手

查看详情

安装依赖：pip install redis
启动 Redis：sudo systemctl start redis
基于 List 的生产者：

<font face="monospace">
import redis, json
r = redis.Redis(host='localhost', port=6379, db=0)
task = {'id': 1, 'action': 'send_email'}
r.lpush('task_queue', json.dumps(task))
</font>

登录后复制

消费者（阻塞式读取）：

<font face="monospace">
while True:
    _, task_data = r.brpop('task_queue')  # 阻塞等待
    task = json.loads(task_data)
    print(f"Processing task {task['id']}")
    # 处理逻辑...
</font>

登录后复制

Redis Stream 提供更完整的日志式消费模型，支持多消费者组，适用于更复杂场景。