Python queue模块

queue 模块即队列,特别适合处理信息在多个线程间安全交换的多线程程序中。下面我们对 queue 模块进行一个详细的使用介绍。

1 queue 模块定义的类和异常

queue 模块定义了以下四种不同类型的队列,它们之间的区别在于数据入队列之后出队列的顺序不同。

1.1 queue.Queue(maxsize=0)

先进先出(First In First Out: FIFO)队列,最早进入队列的数据拥有出队列的优先权,就像看电影入场时排队一样,排在队伍前头的优先进入电影院。

入参 maxsize 是一个整数,用于设置队列的最大长度。一旦队列达到上限,插入数据将会被阻塞,直到有数据出队列之后才可以继续插入。如果 maxsize 设置为小于或等于零,则队列的长度没有限制。

示例如下:

import queueq = queue.Queue()  # 创建 Queue 队列for i in range(3):    q.put(i)  # 在队列中依次插入0、1、2元素for i in range(3):    print(q.get())  # 依次从队列中取出插入的元素,数据元素输出顺序为0、1、2

1.2 queue.LifoQueue(maxsize=0)

后进先出(Last In First Out: LIFO)队列,最后进入队列的数据拥有出队列的优先权,就像栈一样。

入参 maxsize 与先进先出队列的定义一样。

示例如下:​​​​​​​

import queueq = queue.LifoQueue()  # 创建 LifoQueue 队列for i in range(3):    q.put(i)  # 在队列中依次插入0、1、2元素for i in range(3):    print(q.get())  # 依次从队列中取出插入的元素,数据元素输出顺序为2、1、0

1.3 PriorityQueue(maxsize=0)

优先级队列,比较队列中每个数据的大小,值最小的数据拥有出队列的优先权。数据一般以元组的形式插入,典型形式为(priority_number, data)。如果队列中的数据没有可比性,那么数据将被包装在一个类中,忽略数据值,仅仅比较优先级数字。

入参 maxsize 与先进先出队列的定义一样。

示例如下:​​​​​​​

import queueq = queue.PriorityQueue()  # 创建 PriorityQueue 队列data1 = (1, 'python')data2 = (2, '-')data3 = (3, '100')style = (data2, data3, data1)for i in style:    q.put(i)  # 在队列中依次插入元素 data2、data3、data1for i in range(3):    print(q.get())  # 依次从队列中取出插入的元素,数据元素输出顺序为 data1、data2、data3

1.4 queue.SimpleQueue

先进先出类型的简单队列,没有大小限制。由于它是简单队列,相比于 Queue 队列会缺少一些高级功能,下面第2-3小节将会介绍。

示例如下:​​​​​​​

import queueq = queue.SimpleQueue()  # 创建 SimpleQueue 队列for i in range(3):    q.put(i)  # 在队列中依次插入0、1、2元素for i in range(3):    print(q.get())  # 依次从队列中取出插入的元素,数据元素输出顺序为0、1、2

1.5 queue.Empty 异常

当队列中没有数据元素时,取出队列中的数据会引发 queue.Empty 异常,主要是不正当使用 get() 和 get_nowait() 引起的。

示例如下:​​​​​​​

import queuetry:    q = queue.Queue(3)  # 设置队列上限为3    q.put('python')  # 在队列中插入字符串 'python'    q.put('-') # 在队列中插入字符串 '-'    q.put('100') # 在队列中插入字符串 '100'    for i in range(4):  # 从队列中取数据,取出次数为4次,引发 queue.Empty 异常        print(q.get(block=False))except queue.Empty:    print('queue.Empty')

1.6 queue.Full 异常

当队列数据元素容量达到上限时,继续往队列中放入数据会引发 queue.Empty 异常,主要是不正当使用 put() 和 put_nowait() 引起的。

示例如下:​​​​​​​

import queuetry:    q = queue.Queue(3)  # 设置队列上限为3    q.put('python')  # 在队列中插入字符串 'python'    q.put('-') # 在队列中插入字符串 '-'    q.put('100') # 在队列中插入字符串 '100'    q.put('stay hungry, stay foolish', block=False)  # 队列已满,继续往队列中放入数据,引发 queue.Full 异常except queue.Full:    print('queue.Full')

2 Queue、LifoQueue、PriorityQueue 和 SimpleQueue 对象的基本使用方法

Queue、LifoQueue、PriorityQueue 和 SimpleQueue 四种队列定义的对象均提供了以下函数使用方法,下面以 Queue 队列为例进行介绍。

2.1 Queue.qsize()

返回队列中数据元素的个数。

示例如下:​​​​​​​

import queueq = queue.Queue()q.put('python-100')  # 在队列中插入元素 'python-100'print(q.qsize())  # 输出队列中元素个数为1

2.2 Queue.empty()

如果队列为空,返回 True,否则返回 False。

示例如下:​​​​​​​

import queueq = queue.Queue()print(q.empty())  # 对列为空,返回 Trueq.put('python-100')  # 在队列中插入元素 'python-100'print(q.empty())  # 对列不为空,返回 False

2.3 Queue.full()

如果队列中元素个数达到上限,返回 True,否则返回 False。

示例如下:​​​​​​​

import queueq = queue.Queue(3)  # 定义一个长度为3的队列print(q.full())  # 元素个数未达到上限,返回 Falseq.put('python')  # 在队列中插入字符串 'python'q.put('-') # 在队列中插入字符串 '-'q.put('100') # 在队列中插入字符串 '100'print(q.full())  # 元素个数达到上限,返回 True

2.4 Queue.put(item, block=True, timeout=None)

  • item,放入队列中的数据元素。

  • block,当队列中元素个数达到上限继续往里放数据时:如果 block=False,直接引发 queue.Full 异常;如果 block=True,且 timeout=None,则一直等待直到有数据出队列后可以放入数据;如果 block=True,且 timeout=N,N 为某一正整数时,则等待 N 秒,如果队列中还没有位置放入数据就引发 queue.Full 异常。

  • timeout,设置超时时间。

示例如下:​​​​​​​

import queuetry:    q = queue.Queue(2)  # 设置队列上限为2    q.put('python')  # 在队列中插入字符串 'python'    q.put('-') # 在队列中插入字符串 '-'    q.put('100', block = True, timeout = 5) # 队列已满,继续在队列中插入字符串 '100',等待5秒后会引发 queue.Full 异常except queue.Full:    print('queue.Full')

2.5 Queue.put_nowait(item)

相当于 Queue.put(item, block=False),当队列中元素个数达到上限继续往里放数据时直接引发 queue.Full 异常。​​​​​​​

import queuetry:    q = queue.Queue(2)  # 设置队列上限为2    q.put_nowait('python')  # 在队列中插入字符串 'python'    q.put_nowait('-') # 在队列中插入字符串 '-'    q.put_nowait('100') # 队列已满,继续在队列中插入字符串 '100',直接引发 queue.Full 异常except queue.Full:    print('queue.Full')

2.6 Queue.get(block=True, timeout=None)

从队列中取出数据并返回该数据内容。

  • block,当队列中没有数据元素继续取数据时:如果 block=False,直接引发 queue.Empty 异常;如果 block=True,且 timeout=None,则一直等待直到有数据入队列后可以取出数据;如果 block=True,且 timeout=N,N 为某一正整数时,则等待 N 秒,如果队列中还没有数据放入的话就引发 queue.Empty 异常。

  • timeout,设置超时时间。

示例如下:​​​​​​​

import queuetry:    q = queue.Queue()    q.get(block = True, timeout = 5) # 队列为空,往队列中取数据时,等待5秒后会引发 queue.Empty 异常except queue.Empty:    print('queue.Empty')

2.7 Queue.get_nowait()

相当于 Queue.get(block=False)block,当队列中没有数据元素继续取数据时直接引发 queue.Empty 异常。

示例如下:​​​​​​​

import queuetry:    q = queue.Queue()    q.get_nowait() # 队列为空,往队列中取数据时直接引发 queue.Empty 异常except queue.Empty:    print('queue.Empty')

3 Queue、LifoQueue 和 PriorityQueue 对象的高级使用方法

SimpleQueue 是 Python 3.7 版本中新加入的特性,与 Queue、LifoQueue 和 PriorityQueue 三种队列相比缺少了 task_done 和 join 的高级使用方法,所以才会取名叫 Simple 了,下面介绍一下 task_done 和 join 的使用方法。

  • task_done,表示队列内的数据元素已经被取出,即每个 get 用于获取一个数据元素, 后续调用 task_done 告诉队列,该数据的处理已经完成。如果被调用的次数多于放入队列中的元素个数,将引发 ValueError 异常。

  • join,一直阻塞直到队列中的所有数据元素都被取出和执行,只要有元素添加到 queue 中就会增加。当未完成任务的计数等于0,join 就不会阻塞。

示例如下:​​​​​​​

import queueq = queue.Queue()q.put('python')q.put('-')q.put('100')for i in range(3):    print(q.get())    q.task_done()  # 如果不执行 task_done,join 会一直处于阻塞状态,等待 task_done 告知它数据的处理已经完成q.join()

下面是一个经典示例,生产者和消费者线程分别生产数据和消费数据,先生产后消费。采用 task_done 和 join 确保处理信息在多个线程间安全交换,生产者生产的数据能够全部被消费者消费掉。​​​​​​​

from queue import Queueimport randomimport threadingimport time
#生产者线程class Producer(threading.Thread):    def __init__(self, t_name, queue):        threading.Thread.__init__(self, name=t_name)        self.data=queue    def run(self):        for i in range(5):            print ("%s: %s is producing %d to the queue!" %(time.ctime(), self.getName(), i))            self.data.put(i)  # 将生产的数据放入队列            time.sleep(random.randrange(10)/5)        print ("%s: %s finished!" %(time.ctime(), self.getName()))
#消费者线程class Consumer(threading.Thread):    def __init__(self, t_name, queue):        threading.Thread.__init__(self, name=t_name)        self.data=queue    def run(self):        for i in range(5):            val = self.data.get()  # 拿出已经生产好的数据            print ("%s: %s is consuming. %d in the queue is consumed!" %(time.ctime(), self.getName(), val))            time.sleep(random.randrange(5))            self.data.task_done() # 告诉队列有关这个数据的任务已经处理完成        print ("%s: %s finished!" %(time.ctime(), self.getName()))
#主线程def main():    queue = Queue()    producer = Producer('Pro.', queue)    consumer = Consumer('Con.', queue)    producer.start()    consumer.start()    queue.join()  # 阻塞,直到生产者生产的数据全都被消费掉    producer.join() # 等待生产者线程结束    consumer.join() # 等待消费者线程结束    print ('All threads terminate!') if __name__ == '__main__':    main()

4 总结

本节给大家介绍了 Python 的 queue 模块,为 Python 工程师对该模块的使用提供了支撑,让大家对 queue 模块的相关概念和使用有一个初步的了解。

你可能感兴趣的:(python,python,开发语言,数据结构)