答案：使用Python多线程和queue.Queue可实现生产者-消费者模型，生产者生成任务并放入队列，消费者从队列取出任务处理，通过put和get的阻塞机制保证线程安全，生产者结束后向队列发送None作为结束信号，消费者接收到后退出，配合task_done和join确保所有任务完成，适用于爬虫、日志处理等异步任务场景。
使用Python多线程实现任务队列（生产者-消费者模型）
在Python中，利用多线程和队列可以轻松实现“生产者-消费者”模型。该模型适用于需要异步处理任务的场景，比如爬虫、日志处理、后台任务调度等。
Python标准库中的 queue.Queue 是线程安全的，非常适合在多线程环境中作为任务队列使用。配合 threading 模块，我们可以创建多个生产者线程生成任务，多个消费者线程处理任务。
立即学习“Python免费学习笔记（深入）”；
1. 核心组件说明
queue.Queue：用于存放任务的线程安全队列，支持阻塞式 put 和 get 操作。
threading.Thread：创建线程来运行生产者和消费者函数。
threading.Event 或通过发送结束信号控制消费者退出。
通常做法是：当生产者完成任务后，向队列中放入特定数量的“结束标志”（如 None），消费者取到该标志后退出循环。
2. 基础实现代码示例
import threading
import queue
import time
import random
<h1>创建一个容量为10的任务队列</h1><p>task_queue = queue.Queue(maxsize=10)</p><h1>消费者停止数量（用于等待所有消费者结束）</h1><p>num_workers = 3</p><p>def producer():
"""生产者：生成任务并放入队列"""
for i in range(10):
task = f"任务-{i}"
print(f"生产者：生成 {task}")
task_queue.put(task)
time.sleep(random.uniform(0.1, 0.5)) # 模拟生产间隔</p><pre class='brush:python;toolbar:false;'># 发送结束信号给每个消费者
for _ in range(num_workers):
task_queue.put(None)
print("生产者完成，已发送结束信号")def consumer(worker_id): """消费者：从队列取出任务并处理""" while True: task = task_queue.get() if task is None: # 结束信号 print(f"消费者-{worker_id} 收到结束信号，退出") task_queue.task_done() break print(f"消费者-{worker_id} 正在处理 {task}") time.sleep(random.uniform(0.2, 0.8)) # 模拟处理时间 task_queue.task_done()
启动生产者和消费者线程
if name == "main":
创建并启动消费者线程
threads = []
for i in range(num_workers):
t = threading.Thread(target=consumer, args=(i,))
t.start()
threads.append(t)
# 启动生产者线程
pt = threading.Thread(target=producer)
pt.start()
# 等待生产者完成
pt.join()
# 等待所有消费者完成
for t in threads:
t.join()
print("所有任务处理完毕")3. 关键点解析
- 线程安全：Queue 内部使用锁机制，确保多线程访问安全，无需手动加锁。
- 阻塞操作：put() 和 get() 默认阻塞，队列满时生产者等待，队列空时消费者等待。
- 任务完成通知：调用 task_done() 表示一个任务已被处理，配合 join() 可等待所有任务完成。
- 优雅退出：通过向队列放入 None 来通知消费者退出，避免死循环。
4. 扩展建议
- 可使用 queue.PriorityQueue 实现优先级任务调度。
- 使用 concurrent.futures.ThreadPoolExecutor + 队列可更方便管理线程池。
- 加入异常处理，防止某个消费者因错误退出导致任务堆积。
- 监控队列长度，防止内存溢出（特别是无界队列）。
基本上就这些。这个模型简单高效，适合大多数IO密集型任务的并发处理。
