生产者消费者模型当中有两大类重要的角色，一个是生产者（负责造数据的任务），另一个是消费者（接收造出来的数据进行进一步的操作）。
为什么要使用生产者消费者模型？
在并发编程中，如果生产者处理速度很快，而消费者处理速度比较慢，那么生产者就必须等待消费者处理完，才能继续生产数据。同样的道理，
如果消费者的处理能力大于生产者，那么消费者就必须等待生产者。为了解决这个等待的问题，就引入了生产者与消费者模型。让它们之间可以不停的生产和消费。
实现生产者消费者模型三要素：
1、生产者
2、消费者
3、队列（或其他的容哭器，但队列不用考虑锁的问题）
什么时候用这个模型？
程序中出现明显的两类任务，一类任务是负责生产，另外一类任务是负责处理生产的数据的（如爬虫）
用该模型的好处？
1、实现了生产者与消费者的解耦和
2、平衡了生产力与消费力，就是生产者一直不停的生产，消费者可以不停的消费，因为二者不再是直接沟通的，而是跟队列沟通的。
来简单的写一个生产者消费者模型：
import time
import random
from multiprocessing import Queue,Process
def consumer(name,q):
while True:
res=q.get()
time.sleep(random.randint(1,3))
print(\'消费者》》%s 准备开吃%s。\'%(name,res))
def producer(name,q):
for i in range(5):
time.sleep(random.randint(1,2))
res=\'大虾%s\'%i
q.put(res)
print(\'生产者》》》%s 生产了%s\'%(name,res))
if __name__ == \'__main__\':
q=Queue()#一个队列
p1=Process(target=producer,args=(\'monicx\',q))
c1=Process(target=consumer,args=(\'lili\',q))
p1.start()
c1.start()
运行效果：
现在确实让生产者不停的生产，消费者不断的消费。，但此时有一个问题就是主进程没有结束。原因是：生产者p1生产完后就结束了，
但是消费者c1,在q.get()取空之后，就一直在原地等待。解决这个问题无非就让生产者在生产完毕后，就再往队列中发送一个结束信号，
这样消费者接收到结束信号后就可以跳出死循环。
import time
import random
from multiprocessing import Queue,Process
def consumer(name,q):
while True:
res=q.get()
if res is None:break
time.sleep(random.randint(1,3))
print(\'消费者》》%s 准备开吃%s。\'%(name,res))
def producer(name,q):
for i in range(5):
time.sleep(random.randint(1,2))
res=\'大虾%s\'%i
q.put(res)
print(\'生产者》》》%s 生产了%s\'%(name,res))
if __name__ == \'__main__\':
q=Queue()#一个队列
p1=Process(target=producer,args=(\'monicx\',q))
c1=Process(target=consumer,args=(\'lili\',q))
p1.start()
c1.start()
p1.join()
q.put(None)
运行结果：
虽然解决了问题，但是这种的解决方式，在有多个生产者和多个消费者时，有几个消费者就要发送几次的结束信号，不然程序就不会停止。相当的low。就像这样：
import time
import random
from multiprocessing import Queue,Process
def consumer(name,q):
while True:
res=q.get()
if res is None:break
time.sleep(random.randint(1,3))
print(\'消费者》》%s 准备开吃%s。\'%(name,res))
def producer(name,q):
for i in range(5):
time.sleep(random.randint(1,2))
res=\'大虾%s\'%i
q.put(res)
print(\'生产者》》》%s 生产了%s\'%(name,res))
if __name__ == \'__main__\':
q=Queue()#实例一个队列
p1=Process(target=producer,args=(\'monicx1\',q))
p2=Process(target=producer,args=(\'monicx2\',q))
c1=Process(target=consumer,args=(\'lili1\',q))
c2=Process(target=consumer,args=(\'lili2\',q))
c3=Process(target=consumer,args=(\'lili3\',q))
p1.start()
p2.start()
c1.start()
c2.start()
c3.start()
p1.join()
p2.join()
q.put(None)
q.put(None)
q.put(None)
我们的思路就是发送结束信号而已，有另外一种队列提供了这种机制。
JoinableQueue([maxsize])
这就像是一个Queue对象，但队列允许项目的使用者通知生产者项目已经被处理。通知进程是使用共享的信号和条件变量来实现的。
其中maxsize是队列中允许最大项数，省略则无大小限制。
JoinableQueue的实例q除了与Queue对象相同的方法之外还具有：
task_done():消费者用此方法发出信息，表示q.get()的返回项目已经被处理。如果调用此方法的次数大于从队列中删除项目的数量，将会导致ValueError异常。
join()：生产者调用此方法进行阻塞，直到队列中所有的项目都被处理了。
import time
import random
from multiprocessing import Process
from multiprocessing import JoinableQueue
def consumer(name,q):
while True:
res=q.get()
time.sleep(random.randint(1,3))
print(\'\033[43m消费者》》%s 准备开吃%s\033[0m\'%(name,res))
q.task_done()#发送信号给生产者的q.join()说，已经处理完从队列中拿走的一个项目
def producer(name,q):
for i in range(5):
time.sleep(random.randint(1,2))#模拟生产时间
res=\'大虾%s\'%i
q.put(res)
print(\'\033[41m生产者》》》%s 生产了%s\033[0m\'%(name,res))
q.join()#等到消费者把自己放入队列中的所有项目都取走处理完后调用task_done()之后，生产者才能结束
if __name__ == \'__main__\':
q=JoinableQueue()#实例一个队列
p1=Process(target=producer,args=(\'monicx1\',q))
p2=Process(target=producer,args=(\'monicx2\',q))
c1=Process(target=consumer,args=(\'lili1\',q))
c2=Process(target=consumer,args=(\'lili2\',q))
c3=Process(target=consumer,args=(\'lili3\',q))
c1.daemon=True
c2.daemon=True
c3.daemon=True
p1.start()
p2.start()
c1.start()
c2.start()
c3.start()
p1.join()
p2.join()
运行结果：
