Python生产者与消费者模型中的优势介绍

 更新时间:2023年03月25日 11:14:20   作者:丘山Ivan  
这篇文章主要介绍了python多进程中的生产者和消费者模型优势,生产者是指生产数据的任务,消费者是指消费数据的任务。当生产者的生产能力远大于消费者的消费能力,生产者就需要等消费者消费完才能继续生产新的数据

生产者消费者模型具体来讲,就是在一个系统中,存在生产者和消费者两种角色,他们通过内存缓冲区进行通信,生产者生产消费者需要的资料,消费者把资料做成产品,从而消耗掉生产的数据。达到供需平衡,不能生产多了浪费,也不能需要消耗资源的时候没有。

multiprocessing-Queue实现

from  multiprocessing import Process,Queue  #多进程组件,队列
import time,random  
#生产者方法
def producer(name,food,q):
    for i in  range(4):
        time.sleep(random.randint(1,3)) #模拟获取数据时间
        f = '%s生产的%s%s'%(name,food,i)
        print(f)
        q.put(f) #添加进队列
#消费者方法
def consumer(q,name):
    while True:
        food = q.get() #如果获取不到,会一直阻塞进程不会结束子进程
        # 当队列中的数据是None的时候结束while循环
        if food is None:
            print('%s获取到一个空'%name)
            break
        f = '\033[31m%s消费了%s\033[0m' % (name, food)
        print(f)
        time.sleep(random.randint(1,3)) # 模拟消耗数据时间
if __name__ == '__main__':
    q = Queue()  # 创建队列
    # 模拟生产者 生产数据
    p = Process(target=producer, args=('p', '包子', q)) #创建进程
    p.start() #启动进程
    p1 = Process(target=producer, args=('p1', '烧饼', q))
    p1.start()
   #模拟消费者消费数据
    c = Process(target=consumer, args=(q, 'c'))
    c.start()
    c1 = Process(target=consumer, args=(q, 'c1'))
    c1.start()
    p.join()#阻塞主进程 直到p和p1 子进程结束后才执行q.put() 方法
    p1.join()#阻塞主进程 直到p和p1 子进程结束后才执行q.put() 方法
    #为了确保生产者生产完所有数据后,
    #最后一个是None,方便结束子进程中的while循环,
    #否则会一直等待队列中加入新数据。
    q.put(None)
    q.put(None)

使用Queue组件实现的缺点就是,实现了多少个消费者consumer进程,就需要在最后往队列中添加多少个None标识,方便生产完毕结束消费者consumer进程。否则,p.get() 不到任务会阻塞子进程,因为while循环,直到队列q中有新的任务加进来,才会再次执行。而我们的生产者只能生产这么多东西,所以相当于程序卡死。

multiprocessing-JoinableQueue实现

from multiprocessing import JoinableQueue,Process
import time,random
#生产者方法
def producer(name,food,q):
    for i in range(4):
        time.sleep(random.randint(1, 2))
        f = '%s生产的%s%s'%(name,food,i)
        q.put(f)
        print(f)
    q.join()  #一直阻塞,等待消耗完所有的数据后才释放
#消费者方法
def consumer(name,q):
    while True:
        food = q.get()
        print('\033[31m%s消费了%s\033[0m' % (name, food))
        time.sleep(random.randint(4,8))
        q.task_done() #每次消耗减1
if __name__ == '__main__':
    q = JoinableQueue()  #创建队列
    #模拟生产者队列
    p1 = Process(target=producer,args=('p1','包子',q))
    p1.start()
    p2 = Process(target=producer,args=('p2','烧饼',q))
    p2.start()
    #模拟消费者队列
    c1 = Process(target=consumer,args=('c1',q))
    c1.daemon = True #守护进程:主进程结束,子进程也会结束
    c1.start()
    c2 = Process(target=consumer,args=('c2',q))
    c2.daemon = True
    c2.start()
    p1.join() #阻塞主进程,等到p1子进程结束才往下执行
    p2.join()
    # q.task_done() 每次消耗队列中的 任务数减1
    # q.join() 一直阻塞,等待队列中的任务数消耗完才释放
    # 因为有 q.join 所有一直会等待 c1,c2 消耗完毕。才会执行 p.join 后面的代码
    # 因为 c1 c2 是守护进程,所以到这一步主进程代码执行完毕,主进程会释放死掉,
    # 所以 c1 c2 也会跟随 主进程释放死掉。

  使用JoinableQueue组件,是因为JoinableQueue中有两个方法:task_done()join() 。首先说join()Process中的join()的效果类似,都是阻塞当前进程,防止当前进程结束。但是JoinableQueuejoin()是和task_down()配合使用的。
  Process中的join()是等到子进程中的代码执行完毕,就会执行主进程join()下面的代码。而JoinableQueue中的join()是等到队列中的任务数量为0的时候才会执行q.join()下面的代码,否则会一直阻塞。
  task_down()方法是每获取一次队列中的任务,就需要执行一次。直到队列中的任务数为0的时候,就会执行JoinableQueuejoin()后面的方法了。所以生产者生产完所有的数据后,会一直阻塞着。不让p1p2进程结束。等到消费者get()一次数据,就会执行一次task_down()方法,从而队列中的任务数量减1,当数量为0后,执行JoinableQueuejoin()后面代码,从而p1p2进程结束。
  因为p1p2添加了join()方法,所以当子进程中的consumer方法执行完后,才会往下执行。从而主进程结束。因为这里把消费者进程c1c2 设置成了守护进程,主进程结束的同时,c1c2 进程也会随之结束,进程都结束了。所以消费者consumer方法也会结束。

到此这篇关于Python生产者与消费者模型中的优势介绍的文章就介绍到这了,更多相关python生产者和消费者模型内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • pandas.dataframe按行索引表达式选取方法

    pandas.dataframe按行索引表达式选取方法

    今天小编就为大家分享一篇pandas.dataframe按行索引表达式选取方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-10-10
  • python添加命令行参数的详细过程

    python添加命令行参数的详细过程

    Click 是 Flask 的开发团队 Pallets 的另一款开源项目,它是用于快速创建命令行的第三方模块,这篇文章主要介绍了python怎么添加命令行参数,需要的朋友可以参考下
    2023-06-06
  • 深入了解Python的类与模块化

    深入了解Python的类与模块化

    这篇文章主要介绍了Python中的面向对象编程范式以及模块化思想,并给出相应的实战示例及解释,对我们的学习和工作都有一定的价值,感兴趣的小伙伴可以了解一下
    2021-12-12
  • 使用Python对文件进行批量改名的方法

    使用Python对文件进行批量改名的方法

    这篇文章主要介绍了使用Python对文件进行批量改名的方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2023-03-03
  • 20个被低估的Python性能优化技巧分享

    20个被低估的Python性能优化技巧分享

    这篇文章主要为大家详细介绍了20个被低估的Python性能优化技巧并附上了实测数据,文中的示例代码简洁易懂,有需要的小伙伴可以参考一下
    2025-03-03
  • 全网最详细的PyCharm+Anaconda的安装过程图解

    全网最详细的PyCharm+Anaconda的安装过程图解

    这篇文章主要介绍了全网最详细的PyCharm+Anaconda的安装过程图解,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2021-01-01
  • YOLOv5改进教程之添加注意力机制

    YOLOv5改进教程之添加注意力机制

    注意力机制最先被用在NLP领域,Attention就是为了让模型认识到数据中哪一部分是最重要的,为它分配更大的权重,获得更多的注意力在一些特征上,让模型表现更好,这篇文章主要给大家介绍了关于YOLOv5改进教程之添加注意力机制的相关资料,需要的朋友可以参考下
    2022-06-06
  • python识别文字(基于tesseract)代码实例

    python识别文字(基于tesseract)代码实例

    这篇文章主要介绍了python识别文字(基于tesseract)代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-08-08
  • Python简单实现图片转字符画的实例项目

    Python简单实现图片转字符画的实例项目

    这篇文章主要介绍了Python简单实现图片转字符画的实例项目,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2021-04-04
  • 解析Pytorch中的torch.gather()函数

    解析Pytorch中的torch.gather()函数

    本文给大家介绍了Pytorch中的torch.gather()函数,通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧
    2021-11-11

最新评论