queue.PriorityQueue是带锁的线程安全队列，适用于多线程生产者-消费者场景；单线程排序取最小值时应直接用heapq，避免锁开销和内存浪费。

用 queue.PriorityQueue 做任务调度，别当普通列表用

它不是线程安全的“高性能堆”，而是带锁的队列，适合多线程生产者-消费者场景。如果你只是单线程排序取最小值，queue.PriorityQueue 反而拖慢速度、多占内存。

• 每次 put() 和 get() 都触发锁操作和线程唤醒开销
• 内部用 heapq 实现，但额外包了一层 _queue C 模块 + 锁逻辑
• 元素必须可比较；如果存的是自定义对象，得实现 __lt__，否则抛 TypeError: '
• 不能直接遍历或查看堆顶以外的元素——没有 peek()，也没法索引访问

heapq 才是 Python 里真正该手写的“优先队列”

90% 的本地优先级处理（比如 Dijkstra、Top-K、合并有序流）都应该用 heapq：零额外开销、原地建堆、支持所有常见操作。

• heapq.heappush(heap, item) 和 heapq.heappop(heap) 是核心，堆顶始终是 heap[0]
• 初始化用 heapq.heapify(list)，比一个个 heappush 快得多（O(n) vs O(n log n)）
• 要支持“延迟删除”或“更新优先级”？得自己维护一个 entry_finder 字典 + 使用 REMOVED 标记，不然没法删中间节点
• 注意：Python 的 heapq 只是最小堆；模拟最大堆就存 (-priority, item)

自定义对象进堆时，__lt__ 写错就静默失败

错误不是立刻报，而是堆结构被破坏后某次 heappop 返回错值，或者排序结果乱序——因为 heapq 完全依赖 比较。

Python Hardener

通过完整的安全审查、代码整洁重构、健壮的错误处理、正确的日志记录以及完整的文档字符串覆盖，强化 Python 脚本。

下载

• 只实现 __lt__ 就够了，不用写 __le__ 或 __eq__；但必须保证逻辑自洽（比如 a
• 避免在 __lt__ 里读外部状态或调用耗时函数，堆操作频繁，性能敏感
• 如果优先级相同还想保插入顺序，加个递增计数器字段，比如 (priority, counter, item)，否则相同优先级的元素可能乱序

别把 queue.PriorityQueue 和 heapq 混着用

它们底层都靠 heapq，但接口语义完全不同：一个是并发队列，一个是数据结构工具。混用等于给自己埋竞态和类型错误。

立即学习“Python免费学习笔记（深入）”；

• 不要试图从 queue.PriorityQueue 里取 .queue 属性去手动 heapq.heappop——那个 list 不是随时可安全操作的堆结构
• 不要把 heapq 建好的堆传给 queue.PriorityQueue 构造函数——它不认，会重新 put 所有元素，锁也白加
• 跨线程共享数据？用 queue.PriorityQueue；单线程算法逻辑？死磕 heapq；边界模糊时，先问自己：有没有其他线程在同时 put 或 get？

实际写的时候，最常被忽略的是：**堆不是自动去重的，也不是按插入顺序 fallback 的。哪怕你只改了一个字段，只要没重写 __lt__，它就不知道该排哪儿。**