生產者消費者模型應用場景及優勢？

在 工作中，大家可能會碰到這樣一種情況：某個模塊負責產生數據，這些數據由另一個模塊來負責處理（此處的模塊是廣義的，可以是類、函數、線程、進程等）。

產 生數據的模塊，就形象地稱為生產者；而處理數據的模塊，就稱為消費者。

在生產者與消費者之間在加個緩沖區，我們形象的稱之為倉庫，生產者負責往倉庫了進商 品，而消費者負責從倉庫里拿商品，這就構成了生產者消費者模型。

結構圖如下：

 

 

生產者消費者模型的優點：

1、解耦

假設生產者和消費者分別是兩個類。

如果讓生產者直接調用消費者的某個方法，那么生產者對於消費者就會產生依賴（也就是耦合）。

將來如果消費者的代碼發生變化， 可能會影響到生產者。而如果兩者都依賴於某個緩沖區，兩者之間不直接依賴，耦合也就相應降低了。

舉個例子，我們去郵局投遞信件，如果不使用郵筒（也就是緩沖區），你必須得把信直接交給郵遞員。

有同學會說，直接給郵遞員不是挺簡單的嘛？其實不簡單，你必須 得認識誰是郵遞員，才能把信給他（光憑身上穿的制服，萬一有人假冒，就慘了）。

這就產生和你和郵遞員之間的依賴（相當於生產者和消費者的強耦合）。

萬一哪天郵遞員換人了，你還要重新認識一下（相當於消費者變化導致修改生產者代碼）。

而郵筒相對來說比較固定，你依賴它的成本就比較低（相當於和緩沖區之間的弱耦合）。

 

2、支持並發

由於生產者與消費者是兩個獨立的並發體，他們之間是用緩沖區作為橋梁連接，生產者只需要往緩沖區里丟數據，

就可以繼續生產下一個數據，而消費者只需要從緩沖區了拿數據即可，這樣就不會因為彼此的處理速度而發生阻塞。

接上面的例子，如果我們不使用郵筒，我們就得在郵局等郵遞員，直到他回來，

我們把信件交給他，這期間我們啥事兒都不能干（也就是生產者阻塞），或者郵遞員得挨家挨戶問，誰要寄信（相當於消費者輪詢）。

 

3、支持忙閑不均

緩沖區還有另一個好處。如果制造數據的速度時快時慢，緩沖區的好處就體現出來了。

當數據制造快的時候，消費者來不及處理，未處理的數據可以暫時存在緩沖區中。 等生產者的制造速度慢下來，消費者再慢慢處理掉。

為了充分復用，我們再拿寄信的例子來說事。假設郵遞員一次只能帶走1000封信。萬一某次碰上情人節（也可能是聖誕節）送賀卡，

需要寄出去的信超過1000封，這時 候郵筒這個緩沖區就派上用場了。郵遞員把來不及帶走的信暫存在郵筒中，等下次過來 時再拿走。

 

應用場景：

使用多線程，在做爬蟲的時候，生產者用着產生url鏈接，消費者用於獲取url數據，在隊列的幫助下可以使用多線程加快爬蟲速度。

import time
import threading
import Queue
import urllib2
 
class Consumer(threading.Thread):
  def __init__(self, queue):
    threading.Thread.__init__(self)
    self._queue = queue
 
  def run(self):
    while True:
      content = self._queue.get()
      print content
      if isinstance(content, str) and content == 'quit':
        break
      response = urllib2.urlopen(content)
    print 'Bye byes!'
 
 
def Producer():
  urls = [
    'http://211.103.242.133:8080/Disease/Details.aspx?id=2258',
    'http://211.103.242.133:8080/Disease/Details.aspx?id=2258',
    'http://211.103.242.133:8080/Disease/Details.aspx?id=2258',
    'http://211.103.242.133:8080/Disease/Details.aspx?id=2258'
  ]
  queue = Queue.Queue()
  worker_threads = build_worker_pool(queue, 4)
  start_time = time.time()
  for url in urls:
    queue.put(url)
 
  for worker in worker_threads:
    queue.put('quit')
  for worker in worker_threads:
    worker.join()
 
  print 'Done! Time taken: {}'.format(time.time() - start_time)
 
 
def build_worker_pool(queue, size):
  workers = []
  for _ in range(size):
    worker = Consumer(queue)
    worker.start()
    workers.append(worker)
  return workers
 
if __name__ == '__main__':
  Producer()