Windows 安装 RabbitMQ 详细教程（含 Erlang 环境配置）

Ne0inhk

— 7 min read
Windows 安装 RabbitMQ 详细教程（含 Erlang 环境配置）

文章目录

前言

RabbitMQ 是一款开源的消息代理中间件，在分布式系统的消息传递场景中被广泛采用。本文将手把手带你完成 Windows 系统上 RabbitMQ 的安装与配置全过程，步骤清晰，初学者也能轻松上手。

在这里插入图片描述

准备工作

系统要求

  • Windows 7 / 8 / 10 / 11（推荐 64 位系统）
  • 至少 2GB 可用内存
  • 需具备管理员权限

安装概述

RabbitMQ 底层基于 Erlang/OTP 平台构建，因此安装顺序为：先安装 Erlang，再安装 RabbitMQ。

第一步：下载 Erlang

1.1 访问 Erlang 官网

打开浏览器，进入 Erlang 官方网站：https://www.erlang.org/downloads

1.2 下载安装包

点击页面中的 Download Windows installer 按钮，下载对应的安装包

在这里插入图片描述

第二步：安装 Erlang

2.1 运行安装程序

找到下载好的安装包，右键选择"以管理员身份运行"。

在这里插入图片描述

2.2 安装向导

点击"Next"进入安装流程

在这里插入图片描述

选择安装路径（推荐保持默认路径不变）

在这里插入图片描述

点击"Install"正式开始安装

在这里插入图片描述

若系统检测到未安装 Visual C++，会弹出提示框，直接点击安装即可

在这里插入图片描述

2.3 配置 Erlang 环境变量

找到 Erlang 的 bin 目录，路径通常为：C:\Program Files\Erlang OTP\bin

在"系统变量"区域找到"Path"变量，点击编辑

在这里插入图片描述

点击"新建"，将 Erlang 的 bin 目录路径填入：C:\Program Files\Erlang OTP\bin

在这里插入图片描述

点击"确定"完成保存

2.4 验证环境变量配置

重要提示： 必须关闭已打开的命令提示符窗口，重新启动一个新窗口，环境变量方可生效。

在新窗口中执行以下命令：

erl -version

若输出 Erlang 版本号，则表示安装配置成功。

在这里插入图片描述

第三步：下载 RabbitMQ

3.1 访问 RabbitMQ 官网

打开浏览器，前往：https://www.rabbitmq.com/download.html

3.2 选择 Windows 安装包

在下载页面找到"Windows"区域，点击 Windows Installer

在这里插入图片描述

页面跳转后，在目录中找到 Direct Downloads 点击，页面将自动定位至安装包所在位置，点击 rabbitmq-server.exe 开始下载

在这里插入图片描述

第四步：安装 RabbitMQ

4.1 运行安装程序

找到下载好的 RabbitMQ 安装包，右键选择"以管理员身份运行"。

4.2 安装过程

点击"Next"启动安装

在这里插入图片描述

选择安装路径（建议使用默认路径：C:\Program Files\RabbitMQ Server），点击 Install 执行安装

在这里插入图片描述

4.3 安装完成

安装结束后，RabbitMQ 服务将自动启动运行。

在这里插入图片描述

4.4 配置 RabbitMQ 环境变量

首先确认 RabbitMQ 的安装路径，默认路径通常为：C:\Program Files\RabbitMQ Server\rabbitmq_server-3.x.x\sbin

在这里插入图片描述

打开环境变量设置，在"系统变量"区域找到"Path"变量，选中后点击"编辑"

在这里插入图片描述

点击"新建"，将 RabbitMQ 的 sbin 目录路径填入

在这里插入图片描述

点击"确定"保存设置

4.5 验证 RabbitMQ 环境变量

重要提示： 关闭当前命令提示符窗口，以管理员身份重新打开一个新窗口。

执行以下命令进行测试：

rabbitmq-plugins

若配置无误，终端将输出插件管理的帮助信息。

在这里插入图片描述

第五步：验证安装

按 Win + R 打开运行窗口，输入 services.msc 并回车，在服务列表中找到 RabbitMQ 服务，确认其运行状态显示为正在运行

在这里插入图片描述

第六步：启用管理界面

6.1 启用管理插件

以管理员身份打开命令提示符，执行以下命令：

rabbitmq-plugins enable rabbitmq_management
在这里插入图片描述

6.2 访问管理界面

打开浏览器，访问：http://localhost:15672

默认用户名与密码均为：guest

在这里插入图片描述

6.3 管理界面概览

成功登录后，即可看到 RabbitMQ 的 Web 管理控制台。

在这里插入图片描述

第七步：基本配置

7.1 创建新用户

进入管理界面，依次点击"Admin"选项卡 → “Add a user”，填写用户名与密码，设置用户标签（如：administrator），点击"Add user"完成创建

在这里插入图片描述

7.2 设置用户权限

点击刚刚创建的用户名进入详情页

在这里插入图片描述

在"Permissions"区域点击"Set permission"完成权限分配

在这里插入图片描述

总结

本文完整呈现了在 Windows 系统上部署 RabbitMQ 的全部步骤：从 Erlang 运行环境的下载、安装与环境变量配置，到 RabbitMQ 服务器的安装、配置与验证，再到 Web 管理界面的启用，以及基础的用户权限管理。整个过程有几个关键点需要格外注意：始终以管理员身份运行安装程序、正确配置环境变量、修改后务必重启命令提示符窗口使配置生效。完成以上所有步骤后，即可通过 http://localhost:15672 访问管理控制台，为后续在分布式系统中落地消息队列能力打下坚实基础。

Read more

深度解析如何在蓝耘智算平台深度部署开源图像和视频生成整合引擎：DiffSynth Studio

深度解析如何在蓝耘智算平台深度部署开源图像和视频生成整合引擎：DiffSynth Studio

DiffSynth Studio是什么？ 阿里魔搭社区发布DiffSynth Studio：开源图像和视频生成整合引擎 在人工智能的快速发展中，生成式模型的应用场景已经逐渐拓展至多种领域，其中图像和视频生成成为了AI技术的一大亮点。为了进一步推动这一领域的发展，阿里魔搭社区近日发布了一款开源工具——DiffSynth Studio，它是专门用于图像和视频生成的整合引擎，旨在为开发者和创作者提供更加高效和便捷的生成式模型体验。github项目地址 1. DiffSynth Studio的概述 DiffSynth Studio是阿里魔搭社区推出的一款全新工具，它基于强大的Diffusion模型，支持图像与视频的生成。Diffusion模型本身通过逐渐向数据添加噪声然后再去噪声的过程来生成高质量的内容，而DiffSynth Studio则在此基础上进行了优化和创新，打造出一个高度集成的生成平台。 作为一款开源引擎，DiffSynth Studio不仅能够帮助用户更好地理解和利用最新的图像与视频生成技术，还能够大大降低开发门槛，让更多创作者能够轻松应用AI生成内容。 2. Di
Gitea的安装与简单使用

Gitea的安装与简单使用

一、Gitea简介 Gitea 是一个轻量级、易安装、运行快速的自建 Git 服务工具，类似于 GitHub 或 Gitee，但可以完全托管在自己的服务器或本地电脑上。它采用 Go 语言编写，支持跨平台（Windows、Linux、macOS）和多种架构（x86、amd64、ARM、PowerPC）。 Gitea 的主要特点： * 极易安装：只需下载一个可执行文件即可运行，无需复杂配置。 * 轻量高效：资源占用低，运行速度快。 * 跨平台支持：支持 Windows、Linux、macOS 等操作系统。 * 私有化部署：可以完全在局域网内使用，适合个人或团队私有代码管理。 * 类似 GitHub 的界面：提供直观的 Web 界面，方便管理仓库、用户和权限。
【拥抱AI】OpenClaw - 2026年GitHub最火的开源项目

【拥抱AI】OpenClaw - 2026年GitHub最火的开源项目

摘要 先看一张图，恐怖如斯。。。。 自2026年初以来，OpenClaw 在 GitHub 上经历了爆炸性的增长，短时间内积累了超过十万的星标，创造了平台历史上增长最快的记录之一，成为了全球开发者社区瞩目的焦点 。本文将从其市场热度与社区影响力入手，分析其迅速崛起的深层原因。随后，深入其技术内核，详细解析其采用的“微核+插件+网关”的宏观架构 并对基于 Node.js 与 TypeScript 的技术栈、WebSocket 通信机制以及模块化设计进行阐述。 OpenClaw 项目的核心定位是一个开源、可自托管的个人 AI 代理（Agent）与自动化平台，其根本目标是超越传统的问答式聊天机器人，成为一个能够主动执行任务、管理复杂工作流的“实干型”助手 。该项目由知名开发者 Peter Steinberger 发起，其发展历程伴随着名称的数次变更（从 Clawdbot 到 Moltbot，最终定名

开源模型部署进阶：Qwen2.5-7B高性能调优指南

开源模型部署进阶：Qwen2.5-7B高性能调优指南 1. Qwen2.5-7B 模型核心特性解析 1.1 技术背景与演进路径 随着大语言模型在自然语言理解、代码生成和多模态任务中的广泛应用，阿里云持续迭代其 Qwen 系列模型。Qwen2.5 是继 Qwen2 后的又一重要版本升级，覆盖从 0.5B 到 720B 参数规模的完整产品线，适用于不同算力场景下的推理与训练需求。 其中，Qwen2.5-7B 作为中等规模模型，在性能与资源消耗之间实现了良好平衡，特别适合企业级应用部署、边缘服务器推理以及开发者本地实验环境使用。相比前代 Qwen2-7B，该版本在知识广度、逻辑推理能力、结构化输出支持等方面均有显著提升。 1.2 核心能力升级亮点 Qwen2.5-7B 的关键改进主要体现在以下几个方面： * 知识增强：通过引入专业领域专家模型（如数学、编程），大幅提升了复杂问题求解能力。