使用 asyncio.Queue 进行生产者-消费者流程

Question

我对如何将

asyncio.Queue

用于特定的生产者-消费者模式感到困惑，其中生产者和消费者同时且独立地运行。

首先，考虑这个示例，它与 asyncio.Queue

的 文档中的示例非常相似：

import asyncio
import random
import time

async def worker(name, queue):
    while True:
        sleep_for = await queue.get()
        await asyncio.sleep(sleep_for)
        queue.task_done()
        print(f'{name} has slept for {sleep_for:0.2f} seconds')

async def main(n):
    queue = asyncio.Queue()
    total_sleep_time = 0
    for _ in range(20):
        sleep_for = random.uniform(0.05, 1.0)
        total_sleep_time += sleep_for
        queue.put_nowait(sleep_for)
    tasks = []
    for i in range(n):
        task = asyncio.create_task(worker(f'worker-{i}', queue))
        tasks.append(task)
    started_at = time.monotonic()
    await queue.join()
    total_slept_for = time.monotonic() - started_at
    for task in tasks:
        task.cancel()
    # Wait until all worker tasks are cancelled.
    await asyncio.gather(*tasks, return_exceptions=True)
    print('====')
    print(f'3 workers slept in parallel for {total_slept_for:.2f} seconds')
    print(f'total expected sleep time: {total_sleep_time:.2f} seconds')

if __name__ == '__main__':
    import sys
    n = 3 if len(sys.argv) == 1 else sys.argv[1]
    asyncio.run(main())

此脚本有一个更详细的细节：项目被同步放入队列中，通过传统的 for 循环

queue.put_nowait(sleep_for)

。

我的目标是创建一个使用

async def worker()

（或

consumer()

）和

async def producer()

的脚本。 两者应安排同时运行。 没有一个消费者协程明确地与生产者绑定或链接。

如何修改上面的程序，使生产者成为自己的协程，可以与消费者/工作人员同时调度？

---

_{还有来自 PYMOTW 的第二个示例。 它要求生产者提前知道消费者的数量，并使用}

None

作为向消费者发出生产完成的信号。

Answer 1

如何修改上面的程序，使生产者成为自己的协程，可以与消费者/工作人员同时调度？

该示例可以在不改变其基本逻辑的情况下进行推广：

• 将插入循环移至单独的生产者协程。
• 在后台启动消费者，让他们在生产物品时对其进行处理。
• 当消费者运行时，启动生产者并等待他们完成生产物品，如

  await producer()

  或

  await gather(*producers)

  等
• 所有生产者完成后，等待消费者使用

  await queue.join()

  处理剩余的项目。
• 取消消费者，所有消费者现在都在空闲地等待队列传递下一个项目，而下一个项目永远不会到达，因为我们知道生产者已经完成了。

这是实现上述内容的示例：

import asyncio, random
 
async def rnd_sleep(t):
    # sleep for T seconds on average
    await asyncio.sleep(t * random.random() * 2)
 
async def producer(queue):
    while True:
        # produce a token and send it to a consumer
        token = random.random()
        if token < .05:
            break
        print(f'produced {token}')
        await queue.put(token)
        await rnd_sleep(.1)
 
async def consumer(queue):
    while True:
        token = await queue.get()
        # process the token received from a producer
        await rnd_sleep(.3)
        queue.task_done()
        print(f'consumed {token}')
 
async def main():
    queue = asyncio.Queue()
 
    # fire up the both producers and consumers
    producers = [asyncio.create_task(producer(queue))
                 for _ in range(3)]
    consumers = [asyncio.create_task(consumer(queue))
                 for _ in range(10)]
 
    # with both producers and consumers running, wait for
    # the producers to finish
    await asyncio.gather(*producers)
    print('---- done producing')
 
    # wait for the remaining tasks to be processed
    await queue.join()
 
    # cancel the consumers, which are now idle
    for c in consumers:
        c.cancel()
 
asyncio.run(main())

请注意，在现实生活中的生产者和消费者中，尤其是涉及网络访问的生产者和消费者中，您可能希望捕获处理过程中发生的与 IO 相关的异常。如果异常是可恢复的，就像大多数与网络相关的异常一样，您可以简单地捕获异常并记录错误。您仍然应该调用

task_done()

，否则

queue.join()

将因未处理的项目而挂起。如果重新尝试处理该项目有意义，您可以在调用

task_done()

之前将其返回到队列中。例如：

# like the above, but handling exceptions during processing:
async def consumer(queue):
    while True:
        token = await queue.get()
        try:
            # this uses aiohttp or whatever
            await process(token)
        except aiohttp.ClientError as e:
            print(f"Error processing token {token}: {e}")
            # If it makes sense, return the token to the queue to be
            # processed again. (You can use a counter to avoid
            # processing a faulty token infinitely.)
            #await queue.put(token)
        queue.task_done()
        print(f'consumed {token}')