具有线程安全的python线程队列生成器使用者_Python_Multithreading_Queue

具有线程安全的python线程队列生成器使用者

python multithreading

具有线程安全的python线程队列生成器使用者,python,multithreading,queue,Python,Multithreading,Queue,我正在使用线程和队列获取url并存储到数据库。我只需要一个线程来完成存储工作。所以我写代码如下： import threading import time import Queue site_count = 10 fetch_thread_count = 2 site_queue = Queue.Queue() proxy_array=[] class FetchThread(threading.Thread): def __init__(self,sit

我正在使用线程和队列获取url并存储到数据库。
我只需要一个线程来完成存储工作。
所以我写代码如下：

import threading
import time

import Queue

site_count = 10

fetch_thread_count = 2

site_queue = Queue.Queue()
proxy_array=[]        


class FetchThread(threading.Thread):
    def __init__(self,site_queue,proxy_array):
        threading.Thread.__init__(self)
        self.site_queue = site_queue
        self.proxy_array = proxy_array
    def run(self):
        while True:
            index = self.site_queue.get()
            self.get_proxy_one_website(index)
            self.site_queue.task_done()
    def get_proxy_one_website(self,index):
        print '{0} fetched site :{1}\n'.format(self.name,index)
        self.proxy_array.append(index)


def save():
    while True:
        if site_queue.qsize() > 0:
            if len(proxy_array) > 10:
                print 'save :{0}  to database\n'.format(proxy_array.pop())

            else:
                time.sleep(1)
        elif len(proxy_array) > 0:
            print 'save :{0} to database\n'.format(proxy_array.pop())

        elif len(proxy_array) == 0:
            print 'break'
            break
        else:
            print 'continue'
            continue

def start_crawl():
    global site_count,fetch_thread_count,site_queue,proxy_array
    print 'init'
    for i in range(fetch_thread_count):
        ft = FetchThread(site_queue,proxy_array)
        ft.setDaemon(True)
        ft.start()

    print 'put site_queue'
    for i in range(site_count):
        site_queue.put(i)

    save()

    print 'start site_queue join'
    site_queue.join()
    print 'finish'

start_crawl()

执行输出：

init
put site_queue
Thread-1 fetched site :0

Thread-2 fetched site :1

Thread-1 fetched site :2

Thread-2 fetched site :3

Thread-1 fetched site :4

Thread-2 fetched site :5

Thread-1 fetched site :6

Thread-2 fetched site :7

Thread-1 fetched site :8

Thread-2 fetched site :9

save :9 to database

save :8 to database

save :7 to database

save :6 to database

save :5 to database

save :4 to database

save :3 to database

save :2 to database

save :1 to database

save :0 to database

break
start site_queue join
finish
[Finished in 1.2s]

为什么

save（）

函数在

site\u queue.join（）之后运行
我还用线程函数替换了save（）
，但它不起作用。

这是否意味着我必须将proxy\u array=[]
更改为proxy\u queue=queue.queue（）
我只想让一个THAD来做这件事，而且没有任何其他THAD可以从proxy\u array
获取数据，我为什么要加入它？使用队列似乎很奇怪。

有更好的解决方案吗
更新：

我不想等到所有的FetchThreads都完成它们的工作。我想在Fetching的同时保存数据，这样会快得多。
我希望结果如下所示（因为我使用array.pop（），所以保存0可能会很晚出现，这只是一个易于理解的示例。）：

某人的更新2有如下相同的问题：

问题：

正如我在上面的上下文中所说，没有任何其他TheAD可以从proxy_数组获取数据。

我简直无法想象它为什么会断开线程安全性？


回答：

在米莎的回答中，我仔细阅读后明白了


问题：

还有一个问题是，程序主线程是否可以与FetchThreads一起使用（换句话说，不需要创建StoreThread）



这是我无法理解的，我会在找到答案后进行更新。
我建议您阅读有关的内容。您的生产者是获取线程。您的消费者是保存
功能的消费者。如果我理解正确，您希望使用者尽快保存获取的结果。为了实现这一点，生产者和消费者必须能够以某种线程安全的方式（例如队列）进行通信
基本上，您需要另一个队列。它将取代代理数组。您的保存
功能将如下所示：
while True:
 try:
   data = fetch_data_from_output_queue()
   save_to_database(data)
 except EmptyQueue:
   if not stop_flag.is_set():
     # All done
     break
   time.sleep(1)
   continue

input_queue = initialize_input_queue()
ouput_queue = initialize_output_queue()

stop_flag = Event()
create_and_start_save_thread(output_queue) # read from output queue, save to DB
create_and_start_fetch_threads(input_queue, output_queue) # get sites to crawl from input queue, push crawled results to output_queue
join_fetch_threads() # this will block until the fetch threads have gone through everything in the input_queue
stop_flag.set() # this will inform the save thread that we are done
join_save_thread() # wait for all the saving to complete

此save
函数需要在自己的线程中运行stop_标志
是在加入提取线程后设置的
从较高的层次来看，您的应用程序如下所示：
while True:
 try:
   data = fetch_data_from_output_queue()
   save_to_database(data)
 except EmptyQueue:
   if not stop_flag.is_set():
     # All done
     break
   time.sleep(1)
   continue

input_queue = initialize_input_queue()
ouput_queue = initialize_output_queue()

stop_flag = Event()
create_and_start_save_thread(output_queue) # read from output queue, save to DB
create_and_start_fetch_threads(input_queue, output_queue) # get sites to crawl from input queue, push crawled results to output_queue
join_fetch_threads() # this will block until the fetch threads have gone through everything in the input_queue
stop_flag.set() # this will inform the save thread that we are done
join_save_thread() # wait for all the saving to complete

我必须想出一些类似的生产者消费者。生产者生成一个“id”，消费者使用该id进行url获取并处理。
这是我的框架代码，它可以做到这一点

    import Queue
    import random
    import threading
    import time
    import sys

    data_queue = Queue.Queue()
    lock = threading.Lock()

    def gcd(a, b):
        while b != 0:
            a,b = b, a%b

        return b

    def consumer(idnum):
        while True:
            try:
                data = data_queue.get(block=False)
            except Exception, e:
               print 'Exception ' + str(e)
            else:
                with lock:
                    print('\t consumer %d: computed gcd(%d, %d) = %d' %(idnum, data[0], data[1], gcd(data[0], data[1])))

            time.sleep(1)
            data_queue.task_done()

    def producer(idnum, count):
        for i in range(count):
            a,b = random.randint(1, sys.maxint), random.randint(1, sys.maxint)
            with lock:
                print('\t producer %d: generated (%d, %d)'% (idnum, a, b))
            data_queue.put((a,b))
            time.sleep(0.5)

    if __name__ == '__main__':
        num_producers = 1
        num_consumers = 2
        num_integer_pairs = 10

        for i in range(num_consumers):
            t = threading.Thread(target=consumer, args=(i,))
            t.daemon = True
            t.start()

        threads = []
        for ii in range(num_producers):
            thread = threading.Thread(target=producer, args=(ii, num_integer_pairs))
            threads.append(thread)
            thread.start()

        # wait for the producers threads to finish
        for thread in threads:
            thread.join()
        print 'done with producer threads'

        # wait till all the jobs are done in the queue
        data_queue.join()

        with lock:
            print 'all consumer threads finished'

        with lock:
            print 'main thread exited'

如果查看输出，“开始站点队列连接”出现在保存行之后，因此保存函数在site\u queue.join（）之前运行，不是在之后。@misha但是为什么它在所有FetchThread
完成之后才开始保存数据呢？因为没有什么可以阻止它这么做。@misha我认为save
应该在len（proxy\u array）>0
时执行。即使我将site\u count
更改为100，结果是一样的。@misha我已经更新了问题。我不想等到所有的FetchThreads都完成了这项工作。我想在Fetching时保存数据，速度会快得多。好的，在看到你更新的问题后，我现在明白了。我已经更新了我的答案。谢谢你仔细的回答！所以我必须创建一个StoreThread（threading.Thread）
。但是我无法想象为什么它会破坏线程安全
，没有任何其他的线程可以从代理数组中获取数据。还有一个问题，如果程序主线程可以与FetchThreads一起使用（换句话说，不需要创建StoreThread）？你需要一个额外的线程，因为你正在独立地做两件事：1）等待工作人员加入，这样你就可以停止flag.set（）
；2）保存数据。由于join
是一个阻塞调用，因此需要在单独的线程上执行1）和2）。您可以通过使用非阻塞联接来避免这种情况，但这样做只会付出更多的努力而没有什么好处。data\u queue.task\u done（）
应该位于try except else中的else