限时干货下载:添加微信公众号“数据玩家「fbigdata」” 回复【2】免费获取「完整数据分析资料,包括SPSS\SAS\SQL\EXCEL\Project!」
(pre-ipo新三板企业投资机会,请联系微.信.号:6048856) 什么是生产者消费者模式 在软件开发的过程中,经常碰到这样的场景: 某些模块负责生产数据,这些数据由其他模块来负责处理(此处的模块可能是:函数、线程、进程等)。产生数据的模块称为生产者,而处理数据的模块称为消费者。在生产者与消费者之间的缓冲区称之为仓库。生产者负责往仓库运输商品,而消费者负责从仓库里取出商品,这就构成了生产者消费者模式。 结构图如下: 为了大家容易理解,我们举一个寄信的例子。假设你要寄一封信,大致过程如下:
1、你把信写好----相当于生产者生产数据 2、你把信放入邮箱----相当于生产者把数据放入缓冲区 3、邮递员把信从邮箱取出,做相应处理----相当于消费者把数据取出缓冲区,处理数据 生产者消费者模式的优点假设生产者和消费者分别是两个线程。如果让生产者直接调用消费者的某个方法,那么生产者对于消费者就会产生依赖(也就是耦合)。如果未来消费者的代码发生变化,可能会影响到生产者的代码。而如果两者都依赖于某个缓冲区,两者之间不直接依赖,耦合也就相应降低了。 举个例子,我们去邮局投递信件,如果不使用邮箱(也就是缓冲区),你必须得把信直接交给邮递员。有同学会说,直接给邮递员不是挺简单的嘛?其实不简单,你必须得认识谁是邮递员,才能把信给他。这就产生了你和邮递员之间的依赖(相当于生产者和消费者的强耦合)。万一哪天邮递员换人了,你还要重新认识一下(相当于消费者变化导致修改生产者代码)。而邮箱相对来说比较固定,你依赖它的成本就比较低(相当于和缓冲区之间的弱耦合)。
由于生产者与消费者是两个独立的并发体,他们之间是用缓冲区通信的,生产者只需要往缓冲区里丢数据,就可以继续生产下一个数据,而消费者只需要从缓冲区拿数据即可,这样就不会因为彼此的处理速度而发生阻塞。 继续上面的例子,如果我们不使用邮箱,就得在邮局等邮递员,直到他回来,把信件交给他,这期间我们啥事儿都不能干(也就是生产者阻塞)。或者邮递员得挨家挨户问,谁要寄信(相当于消费者轮询)。
我们再拿寄信的例子,假设邮递员一次只能带走1000封信,万一碰上情人节(或是圣诞节)送贺卡,需要寄出去的信超过了1000封,这时候邮箱这个缓冲区就派上用场了。邮递员把来不及带走的信暂存在邮箱中,等下次过来时再拿走。
通过上面的介绍大家应该已经明白了生产者消费者模式。 Python中的多线程编程在实现生产者消费者模式之前,我们先学习下Python中的多线程编程。 线程是操作系统直接支持的执行单元,高级语言通常都内置多线程的支持,Python也不例外,并且Python的线程是真正的Posix Thread,而不是模拟出来的线程。 Python的标准库提供了两个模块:thread和threading,thread是低级模块,threading是高级模块,对_thread进行了封装。绝大多数情况下,我们只需要使用threading这个高级模块。 下面我们先看一段在Python中实现多线程的代码。 import time,threading
#线程代码
classTaskThread(threading.Thread):
def __init__(self,name):
threading.Thread.__init__(self,name=name)
def run(self):
print('thread %s is running...' % self.getName)
for i in range(6):
print('thread %s >>> %s' % (self.getName, i))
time.sleep(1)
print('thread %s finished.' % self.getName)
taskthread = TaskThread('TaskThread')
taskthread.start
taskthread.join
下面是程序的执行结果:
thread TaskThreadis running...
thread TaskThread >>> 0
thread TaskThread >>> 1
thread TaskThread >>> 2
thread TaskThread >>> 3
thread TaskThread >>> 4
thread TaskThread >>> 5
thread TaskThread finished.
TaskThread类继承自threading模块中的Thread线程类。构造函数的name参数指定线程的名字,通过重载基类run函数实现具体任务。
在简单熟悉了Python的线程后,下面我们实现一个生产者消费者模shi。 fromQueueimportQueue
import random,threading,time
#生产者类
classProducer(threading.Thread):
def __init__(self, name,queue):
threading.Thread.__init__(self, name=name)
self.data=queue
def run(self):
for i in range(5):
print('%s is producing %d to the queue!' % (self.getName, i))
self.data.put(i)
time.sleep(random.randrange(10)/5)
print('%s finished!' % self.getName)
#消费者类
classConsumer(threading.Thread):
def __init__(self,name,queue):
threading.Thread.__init__(self,name=name)
def run(self):
for i in range(5):
val = self.data.get
print('%s is consuming. %d in the queue is consumed!' % (self.getName,val))
10))
print('%s finished!' % self.getName)
def main:
queue = Queue
producer = Producer('Producer',queue)
consumer = Consumer('Consumer',queue)
producer.start
consumer.start
producer.join
consumer.join
print'All threads finished!'
if __name__ == '__main__':
main
执行结果可能如下: Produceris producing 0 to the queue!
Consumeris consuming. 0in the queue is consumed!
Produceris producing 1 to the queue!
Produceris producing 2 to the queue!
Consumeris consuming. 1in the queue is consumed!
Consumeris consuming. 2in the queue is consumed!
Produceris producing 3 to the queue!
Produceris producing 4 to the queue!
Producer finished!
Consumeris consuming. 3in the queue is consumed!
Consumeris consuming. 4in the queue is consumed!
Consumer finished!
All threads finished!
因为多线程是抢占式执行的,所以打印出的运行结果不一定和上面的完全一致。
小结本例通过Python实现了一个简单的生产者消费者模型。Python中的Queue模块已经提供了对线程同步的支持,所以本文并没有涉及锁、同步、死锁等多线程问题。
|