Queue.put()和get()默认阻塞，需设timeout防死锁；list/deque非线程安全，queue.Queue才是原子操作；maxsize=0非无界；跨进程须用multiprocessing.Queue。
Queue.put() 和 Queue.get() 的阻塞行为怎么控制？
默认情况下，put() 和 get() 都是阻塞的 —— 如果队列满，put() 会一直等；如果空，get() 也会卡住。这在多数生产者消费者场景里是合理的，但容易被忽略的是：**不设超时可能让线程永久挂起**。
实际用法中，必须显式加 timeout 参数来防死锁：
try:
q.put(item, timeout=2) # 超过2秒抛出 queue.Full
except queue.Full:
print("缓冲区已满，丢弃或降级处理")
<p>try:
item = q.get(timeout=1) # 超过1秒抛出 queue.Empty
except queue.Empty:
continue # 或做心跳、重试等逻辑不设 timeout 的阻塞调用，在调试或异常退出时极难排查 —— 表现就是某个线程“消失”了，其实卡在 get() 上。
为什么不能用 list 或 deque 替代 queue.Queue？
queue.Queue 是线程安全的，而 list 和 collections.deque 不是 —— 即使加了 threading.Lock，也很难完全覆盖所有竞态条件（比如 len(q) > 0 判断后立即被另一个线程 get() 取走）。
立即学习“Python免费学习笔记（深入）”；
关键区别在于：queue.Queue 的 put()/get() 是原子操作，并内置了条件变量唤醒机制。用 deque 自己封装，大概率会漏掉 notify() 或错用 wait() 条件。
常见错误写法：
# ❌ 错误：检查长度 + get，非原子
if len(my_deque) > 0:
item = my_deque.popleft() # 可能 IndexError正确做法只有一种：q.get() 或 q.get_nowait()，别自己判断。
如何设置缓冲区大小并响应溢出？
初始化时传入 maxsize 即可启用有界缓冲：
q = queue.Queue(maxsize=100)
但要注意：maxsize=0（默认值）表示无限大，不是“无限制”——它等价于 sys.maxsize，实际仍受内存约束，且无法触发 Full 异常，失去背压能力。
缓冲区满时的合理策略取决于场景：
- 日志采集：直接丢弃旧日志（
q.get_nowait()踢掉一个再put()） - 任务调度：拒绝新任务并返回错误码
- 实时流处理：用
queue.LifoQueue或优先级队列做策略替换
别依赖 q.qsize() 做决策 —— 它在多线程下返回的只是快照，下一毫秒就可能失效。
多进程环境下为什么 queue.Queue 不 work？
queue.Queue 只适用于线程间通信。跨进程必须用 multiprocessing.Queue，它底层基于管道和序列化（pickle），不共享内存。
典型坑点：
- 传入的对象必须可 pickle，
lambda、嵌套函数、带绑定方法的实例都会报AttributeError: Can't pickle ... -
multiprocessing.Queue没有qsize()（Windows 下不可靠），也不能用join()等待消费者结束 —— 得靠sentinel或Event控制生命周期 - 子进程启动方式影响行为：Windows 必须在
if __name__ == '__main__':下启动，否则反复 fork 主进程
简单验证是否跨进程：看代码里有没有 multiprocessing.Process 或 concurrent.futures.ProcessPoolExecutor —— 有，就换 multiprocessing.Queue。
