（python）生产者消费者模型

    生产者消费者模型当中有两大类重要的角色，一个是生产者（负责造数据的任务），另一个是消费者（接收造出来的数据进行进一步的操作）。

为什么要使用生产者消费者模型？

     在并发编程中，如果生产者处理速度很快，而消费者处理速度比较慢，那么生产者就必须等待消费者处理完，才能继续生产数据。同样的道理，如果消费者的处理能力大于生产者，那么消费者就必须等待生产者。为了解决这个等待的问题，就引入了生产者与消费者模型。让它们之间可以不停的生产和消费。

实现生产者消费者模型三要素：

    1、生产者

    2、消费者

    3、队列（或其他的容哭器，但队列不用考虑锁的问题）

什么时候用这个模型？

程序中出现明显的两类任务，一类任务是负责生产，另外一类任务是负责处理生产的数据的（如爬虫）

用该模型的好处？

1、实现了生产者与消费者的解耦和

2、平衡了生产力与消费力，就是生产者一直不停的生产，消费者可以不停的消费，因为二者不再是直接沟通的，而是跟队列沟通的。

来简单的写一个生产者消费者模型：

import time
import random
from multiprocessing import Queue,Process

def consumer(name,q):
    while True:
        res=q.get()
        time.sleep(random.randint(1,3))
        print('消费者》》%s 准备开吃%s。'%(name,res))

def producer(name,q):
    for i in range(5):
        time.sleep(random.randint(1,2))
        res='大虾%s'%i
        q.put(res)
        print('生产者》》》%s 生产了%s'%(name,res))

if __name__ == '__main__':
    q=Queue()#一个队列

    p1=Process(target=producer,args=('monicx',q))
    c1=Process(target=consumer,args=('lili',q))

    p1.start()
    c1.start()

运行效果：

现在确实让生产者不停的生产，消费者不断的消费。，但此时有一个问题就是主进程没有结束。原因是：生产者p1生产完后就结束了，但是消费者c1,在q.get()取空之后，就一直在原地等待。解决这个问题无非就让生产者在生产完毕后，就再往队列中发送一个结束信号，这样消费者接收到结束信号后就可以跳出死循环。

import time
import random
from multiprocessing import Queue,Process

def consumer(name,q):
    while True:
        res=q.get()
        if res is None:break
        time.sleep(random.randint(1,3))
        print('消费者》》%s 准备开吃%s。'%(name,res))

def producer(name,q):
    for i in range(5):
        time.sleep(random.randint(1,2))
        res='大虾%s'%i
        q.put(res)
        print('生产者》》》%s 生产了%s'%(name,res))

if __name__ == '__main__':
    q=Queue()#一个队列

    p1=Process(target=producer,args=('monicx',q))
    c1=Process(target=consumer,args=('lili',q))

    p1.start()
    c1.start()
    p1.join()
    q.put(None)

运行结果：

虽然解决了问题，但是这种的解决方式，在有多个生产者和多个消费者时，有几个消费者就要发送几次的结束信号，不然程序就不会停止。相当的low。就像这样：

import time
import random
from multiprocessing import Queue,Process

def consumer(name,q):
    while True:
        res=q.get()
        if res is None:break
        time.sleep(random.randint(1,3))
        print('消费者》》%s 准备开吃%s。'%(name,res))

def producer(name,q):
    for i in range(5):
        time.sleep(random.randint(1,2))
        res='大虾%s'%i
        q.put(res)
        print('生产者》》》%s 生产了%s'%(name,res))

if __name__ == '__main__':
    q=Queue()#实例一个队列

    p1=Process(target=producer,args=('monicx1',q))
    p2=Process(target=producer,args=('monicx2',q))

    c1=Process(target=consumer,args=('lili1',q))
    c2=Process(target=consumer,args=('lili2',q))
    c3=Process(target=consumer,args=('lili3',q))

    p1.start()
    p2.start()

    c1.start()
    c2.start()
    c3.start()

    p1.join()
    p2.join()
    q.put(None)
    q.put(None)
    q.put(None)

我们的思路就是发送结束信号而已，有另外一种队列提供了这种机制。

JoinableQueue([maxsize])

这就像是一个Queue对象，但队列允许项目的使用者通知生产者项目已经被处理。通知进程是使用共享的信号和条件变量来实现的。

其中maxsize是队列中允许最大项数，省略则无大小限制。

JoinableQueue的实例q除了与Queue对象相同的方法之外还具有：

task_done():消费者用此方法发出信息，表示q.get()的返回项目已经被处理。如果调用此方法的次数大于从队列中删除项目的数量，将会导致ValueError异常。

join()：生产者调用此方法进行阻塞，直到队列中所有的项目都被处理了。

import time
import random
from multiprocessing import Process
from multiprocessing import JoinableQueue

def consumer(name,q):
    while True:
        res=q.get()
        time.sleep(random.randint(1,3))
        print('\033[43m消费者》》%s 准备开吃%s\033[0m'%(name,res))
        q.task_done()#发送信号给生产者的q.join()说，已经处理完从队列中拿走的一个项目

def producer(name,q):
    for i in range(5):
        time.sleep(random.randint(1,2))#模拟生产时间
        res='大虾%s'%i
        q.put(res)
        print('\033[40m生产者》》》%s 生产了%s\033[0m'%(name,res))
    q.join()#等到消费者把自己放入队列中的所有项目都取走处理完后调用task_done()之后，生产者才能结束

if __name__ == '__main__':
    q=JoinableQueue()#实例一个队列

    p1=Process(target=producer,args=('monicx1',q))
    p2=Process(target=producer,args=('monicx2',q))

    c1=Process(target=consumer,args=('lili1',q))
    c2=Process(target=consumer,args=('lili2',q))
    c3=Process(target=consumer,args=('lili3',q))
    c1.daemon=True
    c2.daemon=True
    c3.daemon=True

    p1.start()
    p2.start()

    c1.start()
    c2.start()
    c3.start()

    p1.join()
    p2.join() 

运行结果：