使用Python队列和多线程实现生产者消费者

简介:

这个模型使用python来实现相比POSIX来做简单太多太多了,轮子python都可以写好了直接调用即可,队列就已经封装好了对共享数据的安全访问。在POSIX多线程中考虑Mutex和条件变量是一个重点。这是我以前用POSIX pthread函数实现的一个生产者和消费者模型:

一、实现方式

下面是Python实现的方法,实际上就是使用队列作为共享数据的中间价这是模块封装好的,不需要在使用Mutex保护线程之间共享数据访问的
安全性。附带队列的测试代码,代码简单如下:

import threading
import time
import queue
from global_par import global_par
#queue is especially useful in threaded programming when information must be exchanged safely between multiple threads.

def Prod(global_data):
    """生产者线程"""
    i = 1
    qfifo = global_data.get_global_pars("CusQue")
    while 1:
        qfifo.put(i)
        print("生产产品: {} ".format(i))
        i +=1;
    return 0

def Cust(global_data,detail):
    """消费者线程"""
    qfifo = global_data.get_global_pars("CusQue")
    while 1:
        print("{}:消费产品:{}".format(detail,qfifo.get()))
        time.sleep(1)
    return 0

def main():
    pthread_list = []
    global_data = global_par()
    qfifo = queue.Queue(maxsize=10)
    global_data.set_global_pars("CusQue",qfifo)

    ##建立1个生产者线程
    thread_pro = threading.Thread(target=Prod,args=(global_data,))
    pthread_list.append(thread_pro)

    ##建立10个消费者线程
    for i in range(10):
        thread_cus = threading.Thread(target=Cust, args=(global_data, "消费线程{}".format(i+1),))
        pthread_list.append(thread_cus)

    for i in pthread_list:
        i.start()

    for i in pthread_list:
        i.join

    return 0

if __name__ == '__main__':
    main()

二、队列测试代码

import threading
import queue
#http://www.cnblogs.com/alex3714/articles/5230609.html

def my_format(x, y):
    """par one: what des your print
       par two: value
    """
    x = "-->" + x + " {}"
    print(x.format(y))
    return

qfifo = queue.Queue(maxsize=2) ##先进先出队列 如果达到最大值默认Queue.put()会堵塞 如果为空默认Queue.get()会堵塞
qlifo = queue.LifoQueue(maxsize=2) ##后入先出队列 如果达到最大值默认Queue.put()会堵塞 如果为空默认Queue.get()会堵塞
qpri  = queue.PriorityQueue(maxsize=2) ##根据优先级判断顺序小的为优先级高  如果达到最大值默认Queue.put()会堵塞 如果为空默认Queue.get()会堵塞

##part0:在队列增加元素Queue.put(item, block=True, timeout=None) 可以设置是否堵塞
my_format("##part0:在队列增加元素Queue.put(item, block=True, timeout=None):","")
qfifo.put(1)
qfifo.put(2)
##part1:队列满了会报queue.Full异常
try:
    qfifo.put(2,timeout=1)
except queue.Full as e:
    my_format("##part1:队列满了如果不堵塞会报queue.Full异常", "")

##part2:出队列Queue.get(block=True, timeout=None) 可以设置是否堵塞

my_format("##part2:出队列Queue.get(block=True, timeout=None) 可以设置是否堵塞:","")
qfifo.get()
qfifo.get()

##part3:队列空如果不堵塞会报异常queue.Empty
try:
    qfifo.get(timeout=1)
except queue.Empty as e:
    my_format("##part3:队列空如果不堵塞会报异常queue.Empty", "")


##part4:返回队列的大小Queue.qsize()
my_format("##part0:返回队列的大小Queue.qsize():",qfifo.qsize())

##part5:返回是否为空的bool值Queue.empty()
my_format("##part1:返回是否为空的bool值Queue.empty():",qfifo.empty())

##part6:返回是否满的bool值Queue.full()

my_format("##part1:返回是否为空的bool值Queue.full():",qfifo.full())

作者微信:
微信.jpg

相关文章
|
数据采集 存储 JSON
Python爬取知乎评论:多线程与异步爬虫的性能优化
Python爬取知乎评论:多线程与异步爬虫的性能优化
|
12月前
|
人工智能 安全 调度
Python并发编程之线程同步详解
并发编程在Python中至关重要,线程同步确保多线程程序正确运行。本文详解线程同步机制,包括互斥锁、信号量、事件、条件变量和队列,探讨全局解释器锁(GIL)的影响及解决线程同步问题的最佳实践,如避免全局变量、使用线程安全数据结构、精细化锁的使用等。通过示例代码帮助开发者理解并提升多线程程序的性能与可靠性。
335 0
|
9月前
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
791 0
|
11月前
|
数据采集 消息中间件 并行计算
Python多线程与多进程性能对比:从原理到实战的深度解析
在Python编程中,多线程与多进程是提升并发性能的关键手段。本文通过实验数据、代码示例和通俗比喻,深入解析两者在不同任务类型下的性能表现,帮助开发者科学选择并发策略,优化程序效率。
810 1
|
JSON 算法 Java
打造终端里的下载利器:Python实现可恢复式多线程下载器
在数字时代,大文件下载已成为日常需求。本文教你用Python打造专业级下载器,支持断点续传、多线程加速、速度限制等功能,显著提升终端下载体验。内容涵盖智能续传、多线程分块下载、限速控制及Rich库构建现代终端界面,助你从零构建高效下载工具。
765 1
|
12月前
|
数据采集 监控 调度
干货分享“用 多线程 爬取数据”:单线程 + 协程的效率反超 3 倍,这才是 Python 异步的正确打开方式
在 Python 爬虫中,多线程因 GIL 和切换开销效率低下,而协程通过用户态调度实现高并发,大幅提升爬取效率。本文详解协程原理、实战对比多线程性能,并提供最佳实践,助你掌握异步爬虫核心技术。
|
12月前
|
数据采集 存储 Java
多线程Python爬虫:加速大规模学术文献采集
多线程Python爬虫:加速大规模学术文献采集
|
数据采集 网络协议 前端开发
Python多线程爬虫模板:从原理到实战的完整指南
多线程爬虫通过并发请求大幅提升数据采集效率,适用于大规模网页抓取。本文详解其原理与实现,涵盖任务队列、线程池、会话保持、异常处理、反爬对抗等核心技术,并提供可扩展的Python模板代码,助力高效稳定的数据采集实践。
618 0
|
数据采集 存储 安全
Python爬虫实战:利用短效代理IP爬取京东母婴纸尿裤数据,多线程池并行处理方案详解
本文分享了一套结合青果网络短效代理IP和多线程池技术的电商数据爬取方案,针对京东母婴纸尿裤类目商品信息进行高效采集。通过动态代理IP规避访问限制,利用多线程提升抓取效率,同时确保数据采集的安全性和合法性。方案详细介绍了爬虫开发步骤、网页结构分析及代码实现,适用于大规模电商数据采集场景。

热门文章

最新文章

推荐镜像

更多