python多进程中的生产者和消费者模型怎么实现

这篇文章主要介绍了python多进程中的生产者和消费者模型怎么实现的相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇python多进程中的生产者和消费者模型怎么实现文章都会有所收获，下面我们一起来看看吧。

Python生产者消费者模型

一、消费模式

生产者消费者模式 是Controlnet网络中特有的一种传输数据的模式。用于两个CPU之间传输数据，即使是不同类型同一厂家的CPU也可以通过设置来使用。

二、传输原理

• 类似与点对点传送，又略有不同，一个生产者可以对应N个消费者，但是一个消费者只能对应一个生产者；

• 每个生产者消费者对应一个地址，占一个网络节点，属于预定性数据，在网络中优先级最高；

• 此模式如果在网络中设置过多会影响网络传输速度，一般用在传输比较重要的信息上，比如设备的启动、停止、故障、急停等等；

• 在Controlnet网络中节点数是有限制的，最高节点数为99。

• 如果两个控制器之前建立了多个生产者消费者的连接，只要一个失败，则所有的均失败，将数据整合到用户自定义结构或数组中 ，两个控制器中只保留一个连接。

• 生产者消费者信息可以通过以太网和Controlnet传输，但是同时只能通过一种途径传输；

• 建立标签时必须建立在全局变量里面，不能建立在局部变量里标签的大小不能超过500B；

• 如果生产者几个数据传输到到同一个控制器的的几个消费者中，将几个数据合并在一个用户自定义标签中，可以减少连接数，但合并后的数据将会会用相同的RPI。

• 生产者消费者标签只能用DINT和REAL，或它们的数组，或用户自定义结构数据，因为对外操作数据必须是32位的，如果有SINT和INT的数据要传输，必须将它们组合在用户自定义结构中传送，生产者和消费者的标签数据格式必须一致，才能确保数据的准确性，如果数据打包后超过了 32位，那么生产者和消费者双方必须使用一个复制缓冲指令，以获得数据的同步，例如Control Logix中的CPS指令。

• 如果生产者要发送的32位数据，与非Control Logix的对方设备的数据结构不匹配，例如对方是16位的数据，为避免偏差，改为用户自定义结构。

• 消费者的 RPI必须大于等于网络刷新时间NUT，如果几个消费者请求同一个生产者，则会以最小最快的RPI为准。

三、实现方式

方法一：

import threading,queue,time
# 创建一个队列，队列最大长度为2
q = queue.Queue(maxsize=2)
def product():
    while True:
        # 生产者往队列塞数据
        q.put('money')
        print('生产了money， 生产时间：', time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()))
def consume():
    while True:
        time.sleep(0.5)
        # 消费者取出数据
        data = q.get()
        print('消费了%s， 消费时间%s' % (data, time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())))
t = threading.Thread(target=product)
t1 = threading.Thread(target=consume)
t.start()
t1.start()

缺点：

实现了多少个消费者consumer进程，就需要在最后往队列中添加多少个None标识，方便生产完毕结束消费者consumer进程。否则，p.get() 不到任务会阻塞子进程，因为while循环，直到队列q中有新的任务加进来，才会再次执行。而我们的生产者只能生产这么多东西，所以相当于程序卡死。

方法二：

from multiprocessing import JoinableQueue,Process
import time
def producer(q):
    for i in range(4):
        time.sleep(0.5)
        f = '生产者：已经生产'
        q.put(f)
        print(f)
    q.join()  # 一直阻塞，等待消耗完所有的数据后才释放
def consumer(name, q):
    while True:
        food = q.get()
        print('\033[消费者：消费了%s\033' % name)
        time.sleep(0.5)
        q.task_done()  # 每次消耗减1
if __name__ == '__main__':
    q = JoinableQueue()  # 创建队列
    # 模拟生产者队列
    p1 = Process(target=producer, args=(q, ))
    p1.start()
    # 模拟消费者队列
    c1 = Process(target=consumer, args=('money', q))
    c1.daemon = True  # 守护进程：主进程结束，子进程也会结束
    c1.start()
    p1.join()  # 阻塞主进程，等到p1子进程结束才往下执行

优点：

• 使用JoinableQueue组件，是因为JoinableQueue中有两个方法：task_done()和join() 。首先说join()和Process中的join()的效果类似，都是阻塞当前进程，防止当前进程结束。但是JoinableQueue的join()是和task_down()配合使用的。

• Process中的join()是等到子进程中的代码执行完毕，就会执行主进程join()下面的代码。而JoinableQueue中的join()是等到队列中的任务数量为0的时候才会执行q.join()下面的代码，否则会一直阻塞。

• task_down()方法是每获取一次队列中的任务，就需要执行一次。直到队列中的任务数为0的时候，就会执行JoinableQueue的join()后面的方法了。所以生产者生产完所有的数据后，会一直阻塞着。不让p1和p2进程结束。等到消费者get()一次数据，就会执行一次task_down()方法，从而队列中的任务数量减1,当数量为0后，执行JoinableQueue的join()后面代码,从而p1和p2进程结束。

• 因为p1和p2添加了join()方法，所以当子进程中的consumer方法执行完后，才会往下执行。从而主进程结束。因为这里把消费者进程c1和c2 设置成了守护进程，主进程结束的同时，c1和c2 进程也会随之结束，进程都结束了。所以消费者consumer方法也会结束。

关于“python多进程中的生产者和消费者模型怎么实现”这篇文章的内容就介绍到这里，感谢各位的阅读！相信大家对“python多进程中的生产者和消费者模型怎么实现”知识都有一定的了解，大家如果还想学习更多知识，欢迎关注亿速云行业资讯频道。