python生产者消费者模型用队列（如queue.queue、multiprocessing.queue）解耦任务生成与处理，因其内置锁机制避免竞态条件；线程用queue.queue配task_done()/join()，进程用multiprocessing.queue并注意close()/join_thread()；协程版用asyncio.queue适配i/o密集型。
Python中的生产者消费者模型是解决并发任务调度的经典设计模式，核心在于解耦任务生成与处理逻辑，通过队列协调多线程或多进程协作。
为什么用队列而不是全局变量
直接共享变量容易引发竞态条件和数据不一致。queue.Queue（线程安全）或multiprocessing.Queue（进程间安全）内部已实现锁机制，put()和get()自动加锁，避免手动同步的复杂性。
- 线程场景优先用queue.Queue，支持block、timeout和task_done()配合join()
- 多进程场景必须用multiprocessing.Queue，不能跨进程共享普通列表或字典
- 若需高吞吐，可考虑queue.SimpleQueue（无阻塞/超时，轻量但功能少）
标准线程版实现要点
关键不是写多少线程，而是控制好退出条件和资源清理。
- 生产者完成生产后，向队列放入None或预定义哨兵值，消费者读到即退出
- 调用queue.task_done()标记单个任务完成，主流程用queue.join()等待全部处理完毕
- 避免让消费者死循环轮询——用queue.get(timeout=1)代替无限get()，防止卡死
进程版要注意的坑
multiprocessing.Queue不支持close()后再次使用，且子进程异常退出可能导致队列卡住。
立即学习“Python免费学习笔记（深入）”；
- 务必在每个子进程里显式调用queue.close()和queue.join_thread()
- 生产者进程应限制总任务数，防止队列爆内存（可用queue.qsize()做粗略监控，但注意该方法在unix和windows下行为不同）
- 传递复杂对象时，确保可被pickle序列化；函数不能是Lambda或嵌套定义
进阶：协程版（asyncio + asyncio.Queue）
适合I/O密集型场景，比线程更轻量，但要求所有操作都是异步的。