python基础-进线程下的queue、及其生产者消费者模型（2种方式）

本文主要是介绍python基础-进线程下的queue、及其生产者消费者模型（2种方式），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

进程下的Queue

进程彼此之间互相隔离，要实现进程间通信（IPC），multiprocessing模块支持两种形式：队列和管道，这两种方式都是使用消息传递的

创建队列的类（底层就是以管道和锁定的方式实现）：
1
maxsize是队列中允许最大项数，省略则无大小限制。

2
q.put方法用以插入数据到队列中，put方法还有两个可选参数：blocked和timeout。如果blocked为True（默认值），并且timeout为正值，该方法会阻塞timeout指定的时间，直到该队列有剩余的空间。如果超时，会抛出Queue.Full异常。如果blocked为False，但该Queue已满，会立即抛出Queue.Full异常。

3
q.get方法可以从队列读取并且删除一个元素。同样，get方法有两个可选参数：blocked和timeout。如果blocked为True（默认值），并且timeout为正值，那么在等待时间内没有取到任何元素，会抛出Queue.Empty异常。如果blocked为False，有两种情况存在，如果Queue有一个值可用，则立即返回该值，否则，如果队列为空，则立即抛出Queue.Empty异常.

4
q.get_nowait():同q.get(False) q.put_nowait():同q.put(False)

5
q.empty():调用此方法时q为空则返回True，该结果不可靠，比如在返回True的过程中，如果队列中又加入了项目。

6
q.full()：调用此方法时q已满则返回True，该结果不可靠，比如在返回True的过程中，如果队列中的项目被取走。

7
q.qsize():返回队列中目前项目的正确数量，结果也不可靠，理由同q.empty()和q.full()一样
　

Queue

先进先出

from multiprocessing import Process,Queue
import time
q=Queue(3)#put ,get ,put_nowait,get_nowait,full,empty
q.put(1)
q.put(3)
q.put(3)
print(q.full()) #满了print(q.get())
print(q.get())
print(q.get())
print(q.empty()) #空了

输出如下：

True
1
3
3
True

LifoQueue

后进先出

import queueq=queue.LifoQueue()
q.put('first')
q.put('second')
q.put('third')print(q.get())
print(q.get())
print(q.get())

输出如下：

third
second
first

PriorityQueue

存储数据时可设置优先级的队列、
put进入一个元组,元组的第一个元素是优先级(通常是数字,也可以是非数字之间的比较),数字越小优先级越高

import queueq=queue.PriorityQueue()
q.put((20,'a'))
q.put((10,'b'))
q.put((30,'c'))print(q.get())
print(q.get())
print(q.get())

输出如下：

(10, 'b')
(20, 'a')
(30, 'c')

进程下的生成者消费者模型

生产者消费者模型

在并发编程中使用生产者和消费者模式能够解决绝大多数并发问题。该模式通过平衡生产线程和消费线程的工作能力来提高程序的整体处理数据的速度。

为什么要使用生产者和消费者模式

在线程世界里，生产者就是生产数据的线程，消费者就是消费数据的线程。在多线程开发当中，如果生产者处理速度很快，而消费者处理速度很慢，那么生产者就必须等待消费者处理完，才能继续生产数据。同样的道理，如果消费者的处理能力大于生产者，那么消费者就必须等待生产者。为了解决这个问题于是引入了生产者和消费者模式。

什么是生产者消费者模式

生产者消费者模式是通过一个容器来解决生产者和消费者的强耦合问题。生产者和消费者彼此之间不直接通讯，而通过阻塞队列来进行通讯，所以生产者生产完数据之后不用等待消费者处理，直接扔给阻塞队列，消费者不找生产者要数据，而是直接从阻塞队列里取，阻塞队列就相当于一个缓冲区，平衡了生产者和消费者的处理能力。

基于队列实现生产者消费者模型

生产者发送信号（子进程）

from multiprocessing import Process,Queue
import time,random,osdef procducer(q):for i in range(5):res='包子%s' %itime.sleep(0.5)q.put(res)print('%s 生产了 %s' %(os.getpid(),res))q.put(None)def consumer(q):while True:res=q.get()if res is None:breakprint('%s 吃 %s' %(os.getpid(),res))time.sleep(random.randint(2,3))if __name__ == '__main__':q=Queue()p=Process(target=procducer,args=(q,))c=Process(target=consumer,args=(q,))p.start()c.start()p.join()print('主')

输出如下：

E:\python\python_sdk\python.exe "E:/python/py_pro/上课内容/7 生产者消费者模型.py"
2360 生产了 包子0
14576 吃 包子0
2360 生产了 包子1
2360 生产了 包子2
2360 生产了 包子3
14576 吃 包子1
2360 生产了 包子4
主
14576 吃 包子2
14576 吃 包子3
14576 吃 包子4Process finished with exit code 0

注意：结束信号None，不一定要由生产者发，主进程里同样可以发，但主进程需要等生产者结束后才应该发送该信号

生产者发送信号（主进程）

from multiprocessing import Process,Queue
import time,random,osdef procducer(q):for i in range(5):res='包子%s' %itime.sleep(0.5)q.put(res)print('%s 生产了 %s' %(os.getpid(),res))def consumer(q):while True:res=q.get()if res is None:breakprint('%s 吃 %s' %(os.getpid(),res))time.sleep(random.randint(2,3))if __name__ == '__main__':q=Queue()p=Process(target=procducer,args=(q,))c=Process(target=consumer,args=(q,))p.start()c.start()p.join()q.put(None)print('主')

但上述解决方式，在有多个生产者和多个消费者时，我们则需要用一个很low的方式去解决

生产者发送多个信号（主进程）

from multiprocessing import Process,Queue
import time,random,os
def consumer(q):while True:res=q.get()if res is None:break #收到结束信号则结束time.sleep(random.randint(1,3))print('\033[45m%s 吃 %s\033[0m' %(os.getpid(),res))def producer(name,q):for i in range(2):time.sleep(random.randint(1,3))res='%s%s' %(name,i)q.put(res)print('\033[44m%s 生产了 %s\033[0m' %(os.getpid(),res))if __name__ == '__main__':q=Queue()#生产者们:即厨师们p1=Process(target=producer,args=('包子',q))p2=Process(target=producer,args=('骨头',q))p3=Process(target=producer,args=('泔水',q))#消费者们:即吃货们c1=Process(target=consumer,args=(q,))c2=Process(target=consumer,args=(q,))#开始p1.start()p2.start()p3.start()c1.start()c2.start()p1.join() #必须保证生产者全部生产完毕,才应该发送结束信号p2.join()p3.join()q.put(None) #有几个消费者就应该发送几次结束信号Noneq.put(None) #发送结束信号print('主')

其实我们的思路无非是发送结束信号而已，有另外一种队列提供了这种机制

消费者发送信号JoinableQueue

JoinableQueue([maxsize])：这就像是一个Queue对象，但队列允许项目的使用者通知生成者项目已经被成功处理。通知进程是使用共享的信号和条件变量来实现的。

参数介绍：
maxsize是队列中允许最大项数，省略则无大小限制。
　 #方法介绍：
JoinableQueue的实例p除了与Queue对象相同的方法之外还具有：
q.task_done()：使用者使用此方法发出信号，表示q.get()的返回项目已经被处理。如果调用此方法的次数大于从队列中删除项目的数量，将引发ValueError异常
q.join():生产者调用此方法进行阻塞，直到队列中所有的项目均被处理。阻塞将持续到队列中的每个项目均调用q.task_done（）方法为止

from multiprocessing import Process, JoinableQueue
import time, random, osdef consumer(q):while True:res = q.get()time.sleep(random.randint(1, 3))print('\033[45m%s 吃 %s\033[0m' % (os.getpid(), res))q.task_done()  # 向q.join()发送一次信号,证明一个数据已经被取走了def producer(name, q):for i in range(5):time.sleep(random.randint(1, 3))res = '%s%s' % (name, i)q.put(res)print('\033[44m%s 生产了 %s\033[0m' % (os.getpid(), res))q.join()if __name__ == '__main__':q = JoinableQueue()# 生产者们:即厨师们p1 = Process(target=producer, args=('包子', q))p2 = Process(target=producer, args=('骨头', q))p3 = Process(target=producer, args=('泔水', q))# 消费者们:即吃货们c1 = Process(target=consumer, args=(q,))c2 = Process(target=consumer, args=(q,))c1.daemon = Truec2.daemon = True# 开始p_l = [p1, p2, p3, c1, c2]for p in p_l:p.start()p1.join()p2.join()p3.join()print('主')# 主进程等--->p1,p2,p3等---->c1,c2# p1,p2,p3结束了,证明c1,c2肯定全都收完了p1,p2,p3发到队列的数据# 因而c1,c2也没有存在的价值了,应该随着主进程的结束而结束,所以设置成守护进程

输出如下：

E:\python\python_sdk\python.exe E:/python/py_pro/demo.py
12680 生产了 泔水0
10328 生产了 骨头0
4000 生产了 包子0
5288 吃 泔水0
12680 生产了 泔水1
9172 吃 骨头0
10328 生产了 骨头1
4000 生产了 包子1
5288 吃 包子0
12680 生产了 泔水2
10328 生产了 骨头2
9172 吃 泔水1
5288 吃 骨头1
4000 生产了 包子2
5288 吃 泔水2
9172 吃 包子1
5288 吃 骨头2
9172 吃 包子2
主

上述代码大概意思就是：
开3个子进程p1,p2,p3,每个子进程生产3个对应的食物，每个子进程做完任务后，进行p.join进行阻塞，直到消费者取完队列为止，在子进程运行过程中，开启另外2个子进程进行消费，每消费一个，向q.join()发送一次信号,证明一个数据已经被取走了，等队列数据被取完，生产子进程p1,p2,p3,任务就执行完毕，就执行 p1.join()、p2.join()、p3.join()之后代码，然后执行主进程代码“main”,由于生产子进程生产的数据被消费者取出完毕，此刻消费者依然没有退出，所以我们需要设置消费者进程为守护进程，在主进程执行完毕，主动释放消费子进程

这篇关于python基础-进线程下的queue、及其生产者消费者模型（2种方式）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---