python中的yield函数的使用,并结合生产者与消费者案例。之前一直不太明白,就做了一个程序,依次执行,查看结果一目了然。

# encoding=utf-8
#send函数与yield函数都是python中的内部封装函数,两者需要相结合使用

#函数执行顺序:调用A,执行1,输出:要开始啃骨头了...,然后执行2,输出:consumer消费者A
#执行到3,函数停止,因为没有send函数调用。
#调用,执行1,输出:要开始啃骨头了...,然后执行2,输出:consumer消费者B
#调用函数C,执行7,输出:正在生产骨头 1,因为执行了send 5 函数,所以调用 4,
# 输出:[消费者A] 正在啃骨头 1,啃完骨头1,继续等,执行2,输出:consumer消费者A
#调用send  6函数 ,开始执行4,输出:[消费者B] 正在啃骨头 1,啃完骨头1,继续等,执行2,输出:consumer消费者B
#然后依次循环,即可
def consumer(name):
    print("要开始啃骨头了...")  #  1
    while True:
        print("consumer%s " % name)  #  2
        bone = yield  #  3
        print("[%s] 正在啃骨头 %s" % (name, bone))   #4
def producer(obj1, obj2):
    obj1.send(None)  # 5
    obj2.send(None)  # 6
    n = 0
    while n < 5:
        n += 1
        print("正在生产骨头 %s" % n)   # 7
        obj1.send(n)
        obj2.send(n)
if __name__ == '__main__':
    con1 = consumer("消费者A")  #  A
    con2 = consumer("消费者B")   # B
    producer(con1, con2)      # C

#输出结果:
# 要开始啃骨头了...
# consumer消费者A
# 要开始啃骨头了...
# consumer消费者B
# 正在生产骨头 1
# [消费者A] 正在啃骨头 1
# consumer消费者A
# [消费者B] 正在啃骨头 1
# consumer消费者B
# 正在生产骨头 2
# [消费者A] 正在啃骨头 2
# consumer消费者A
# [消费者B] 正在啃骨头 2
# consumer消费者B
# 正在生产骨头 3
# [消费者A] 正在啃骨头 3
# consumer消费者A
# [消费者B] 正在啃骨头 3
# consumer消费者B
# 正在生产骨头 4
# [消费者A] 正在啃骨头 4
# consumer消费者A
# [消费者B] 正在啃骨头 4
# consumer消费者B
# 正在生产骨头 5
# [消费者A] 正在啃骨头 5
# consumer消费者A
# [消费者B] 正在啃骨头 5
# consumer消费者B

 

Python生产者消费者模式是一种通过协调生产数据和处理数据的进程或线程来提高程序效率的编程范式。下面将介绍这一模式及其在Python的常见实现方式。 ### 基本概念: 1. **生产者(Producer)**:生产者是指产生数据或者消息的实体,通常这些数据被“生产”后会放入一个缓存区或者消息队列。 2. **消费者(Consumer)**:消费者负责从缓存区取出并处理数据。消费者不直接与生产者交互,而是通过间的缓冲区进行数据传递。 3. **缓冲区(Buffer)**:这是生产者消费者之间的介,可以是一个消息队列、列表或其他数据结构。它有界或无界,取决于问题的具体需求。 ### Python的实现方法: 1. **使用yield的生成器模式**: - 生成器函数Python可以扮演生产者的角色,通过`yield`关键字产生值。消费者可以通过遍历生成器来获取这些值并进行处理。 - 这种方式的优势是简单易用,适用于数据量不是非常大的情况。 - 例如,一个简单的生成器函数可以按如下方式定义: ```python def producer(): for i in range(10): yield i ``` 消费者通过for循环读取这些值: ```python for item in producer(): print(item) ``` 2. **多线程实现**: - 利用Python的`threading`模块,可以创建多个线程,其一些线程作为生产者,其他线程作为消费者。 - 生产者线程生成数据并放入线程安全的队列消费者线程从队列取出数据并处理。 - 这种方法适用于IO密集型操作,因为Python的多线程并不能真正实现并行计算。 3. **多进程实现**: - 当涉及到CPU密集型任务时,多线程可能因全局解释器锁(GIL)而无法发挥多核优势,此时可以使用多进程。 - `multiprocessing`模块提供了`Queue`类以及`Process`类来实现进程间的通信和并发执行。 - 生产者进程生成数据放入队列,消费者进程从队列获取数据并处理。 ### 应用场景及注意事项: 1. **网络服务**:如Web服务器处理请求,请求即为生产的数据,服务器线程/进程为消费者。 2. **数据处理应用**:如日志分析系统,日志收集为生产者,分析处理为消费者。 3. **注意事项**: - 保证缓冲区的安全性,避免数据的竞态条件。 - 选择合适的同步机制,如锁、信号量等,确保生产者消费者之间的协调。 - 根据应用的性质选择最合适的模型,比如IO密集型可选择多线程,CPU密集型应选择多进程。 希望以上内容能帮助您更好地理解Python生产者消费者模式及其实现方式。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

程序员日子

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值