本文共 5922 字，大约阅读时间需要 19 分钟。

参考博客：

1、作用

Queue用于建立和操作队列，常和threading类一起用来建立一个简单的线程队列。

2、种类

• Queue.Queue(maxsize)　　FIFO（先进先出队列）
• 　　　　Queue.LifoQueue(maxsize)　　LIFO（先进后出队列）
• 　　　　Queue.PriorityQueue(maxsize)　　为优先级越高的越先出来,对于一个队列中的所有元素组成的entries，优先队列优先返回的一个元素是sorted(list(entries))[0]。至于对于一般的数据，优先队列取什么东西作为优先度要素进行判断，官方文档给出的建议是一个tuple如(priority, data)，取priority作为优先度。

3、一些方法：

FIFO是常用的队列，其一些常用的方法有：

• 　　　　Queue.qsize()　　返回队列大小
• 　　　　Queue.empty()　　判断队列是否为空
• 　　　　Queue.full()　　判断队列是否满了
• 　　　　Queue.get([block[,timeout]])　　从队列头删除并返回一个item，block默认为True，表示当队列为空却去get的时候会阻塞线程，等待直到有有item出现为止来get出这个item。如果是False的话表明当队列为空你却去get的时候，会引发异常。在block为True的情况下可以再设置timeout参数。表示当队列为空，get阻塞timeout指定的秒数之后还没有get到的话就引发Full异常。
• 　　　　Queue.put(...[,block[,timeout]])　　向队尾插入一个item，同样若block=True的话队列满时就阻塞等待有空位出来再put，block=False时引发异常。同get的timeout，put的timeout是在block为True的时候进行超时设置的参数。
• 　　　　Queue.task_done()　　从场景上来说，处理完一个get出来的item之后，调用task_done将向队列发出一个信号，表示本任务已经完成
• 　　　　Queue.join()　　监视所有item并阻塞主线程，直到所有item都调用了task_done之后主线程才继续向下执行。这么做的好处在于，假如一个线程开始处理最后一个任务，它从任务队列中拿走最后一个任务，此时任务队列就空了但最后那个线程还没处理完。当调用了join之后，主线程就不会因为队列空了而擅自结束，而是等待最后那个线程处理完成了。

消息队列实例中维护的有待完成任务变量。每接收到一个消息该值自增一次。每调用一次.task_done()可以使该值减1，当待完成任务值为0的时候，join函数才会返回。

4、queue例子：

import threadingimport Queueimport timeclass worker(threading.Thread): def __init__(self,queue):  threading.Thread.__init__(self)  self.queue=queue  self.thread_stop=False  def run(self):  while not self.thread_stop:   print("thread%d %s: waiting for tast" %(self.ident,self.name))   try:    task=q.get(block=True, timeout=20)#接收消息   except Queue.Empty:    print("Nothing to do!i will go home!")    self.thread_stop=True    break   print("task recv:%s ,task No:%d" % (task[0],task[1]))   print("i am working")   time.sleep(3)   print("work finished!")   q.task_done()#完成一个任务   res=q.qsize()#判断消息队列大小   if res>0:    print("fuck!There are still %d tasks to do" % (res))  def stop(self):  self.thread_stop = True if __name__ == "__main__": q=Queue.Queue(3) worker=worker(q) worker.start() q.put(["produce one cup!",1], block=True, timeout=None)#产生任务消息 q.put(["produce one desk!",2], block=True, timeout=None) q.put(["produce one apple!",3], block=True, timeout=None) q.put(["produce one banana!",4], block=True, timeout=None) q.put(["produce one bag!",5], block=True, timeout=None) print("***************leader:wait for finish!") q.join()#等待所有任务完成 print("***************leader:all task finished!")

输出：

thread139958685849344 Thread-1: waiting for tast 1    task recv:produce one cup! ,task No:1    i am working    work finished!    fuck!There are still 3 tasks to do    thread139958685849344 Thread-1: waiting for tast 1    task recv:produce one desk! ,task No:2    i am workingleader:wait for finish!    work finished!    fuck!There are still 3 tasks to do    thread139958685849344 Thread-1: waiting for tast 1    task recv:produce one apple! ,task No:3    i am working    work finished!    fuck!There are still 2 tasks to do    thread139958685849344 Thread-1: waiting for tast 1    task recv:produce one banana! ,task No:4    i am working    work finished!    fuck!There are still 1 tasks to do    thread139958685849344 Thread-1: waiting for tast 1    task recv:produce one bag! ,task No:5    i am working    work finished!    thread139958685849344 Thread-1: waiting for tast 1     ***************leader:all task finished!    Nothing to do!i will go home!

运行一下就知道，上例中并没有性能的提升（毕竟还是只有一个线程在跑）。线程队列的意义并不是进一步提高运行效率，而是使线程的并发更加有组织。可以看到，在增加了线程队列之后，程序对于线程的并发数量就有了控制。新线程想要加入队列开始执行，必须等一个既存的线程完成之后才可以。

5、线程池：

# -*- coding:utf-8 -*-import threadingimport Queueimport timeimport randomfrom faker import Fakerclass MyThread(threading.Thread):  '''  线程模型  '''  def __init__(self,queue):    threading.Thread.__init__(self)    self.queue = queue    self.start()  # 因为作为一个工具，线程必须永远“在线”，所以不如让它在创建完成后直接运行，省得我们手动再去start它    def run(self):        while True:  # 除非确认队列中已经无任务，否则时刻保持线程在运行            try:                task = self.queue.get(block=False)    # 如果队列空了，直接结束线程。根据具体场景不同可能不合理，可以修改                time.sleep(random.random())  # 假设处理了一段时间                print 'Task %s Done' % task  # 提示信息而已                self.queue.task_done()            except Exception,e:                breakclass MyThreadPool():    def __init__(self,queue,size):        self.queue = queue        self.pool = []        for i in range(size):            self.pool.append(MyThread(queue))    def joinAll(self):        for thd in self.pool:            if thd.isAlive():  thd.join()if __name__ == '__main__':    q = Queue.Queue(10)    fake = Faker()    for i in range(5):        q.put(fake.word())    pool = MyThreadPool(queue=q,size=2)    pool.joinAll()

网上有一部分示例，将队列作为一个属性维护在了线程池类中，也不失为一种办法，我这里为了能够条理清晰，没有放在类里面。这段程序首先生成了一个maxsize是10的队列。fake.word()可以随机生成一个单词，这里仅作测试用。所以向队列中添加了5个task。

　　这里有个坑： 如果put的数量大于队列最大长度，而且put没有设置block=False的话，那么显然程序会阻塞在put这边。此时ThreadPool未被建立，也就是说工作线程都还没有启动，因此会引起这样一个死锁。如果把线程池的建立放到put之前也不行，此时线程发现队列为空，所以所有线程都会直接结束（当然这是线程中get的block是False的时候，如果为True那么也是死锁），最终队列中的task没人处理，程序输出为空。解决这个坑的办法，一个是像上面一样保持最开始put的量小于队列长度；第二个就是干脆不要限制队列长度，用q = Queue.Queue()生产队列即可。

　　好的，继续往下，进入了线程池的生成。线程池内部的列表才是真·线程池，另外其关联了queue对象，所以在创建的时候可以将队列对象传递给线程对象。线程对象在创建时就启动了，并且被添加到线程池的那个列表中。线程池的大小由参数给出，线程启动后会去队列里面get任务，并且进行处理。处理完成后进行task_done声明并且再次去尝试get。如果队列为空那么就直接抛出异常，也就是跳出循环，线程结束。

　　通过这样一个模型，根据线程池的大小，这才真正地给线程并发做了一个限制，可促进较大程度的资源利用。

6、进阶：

在上面这个示例中，实际上处理任务的实际逻辑是被写在了MyThread类里面。如果我们想要一个通用性更加高的工具类，那么势必要想想如何将这个线程类解耦具体逻辑。另一方面，队列中的任务的内容，不仅仅可以是字符串，也可以是任何python对象。这就使得灵活性大大提高。

　　比如我们可以在队列中put内容是(func, args, kwargs)这样一个元组。其中func是一个函数对象，描述了任务的处理逻辑过程，args是一个元组，代表所有func函数的匿名参数，kwargs则是func函数的所有具名参数。如此，可以将线程类的run方法改写成这样：

def run(self):    while True:        try:            func,args,kwargs = self.queue.get()            try:                func(*args,**kwargs)            except Exception,e:                raise ('bad execution: %s' % str(e))            self.queue.task_done()        except Exception,e：            break

这样一个run就可以做到很大程度的解耦了。

　　类似的思想，线程池类和线程类也不必是一一对应的。可以将线程类作为一个参数传递给线程池类。这样一个线程池类就可以作为容器容纳各种各样的线程了。具体实例就不写了。

转载地址：https://blog.csdn.net/h_jlwg6688/article/details/108506960 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！