Python asyncio.Queue 如何实现有界生产者消费者
Python 的 asyncio.Queue 适合把生产者和消费者解耦,但真正能用于服务代码的关键不是“把数据放进去”,而是同时管住堆积上限、完成计数和退出信号。最小方案是使用 asyncio.Queue(maxsize=3),让生产者在队列满时等待;消费者每次 get() 后,无论处理成功还是失败,都在 finally 中调用 task_done();生产结束后调用 shutdown(),让消费者在清空队列后收到 QueueShutDown。
maxsize=0表示无界,正整数才会对put()形成回压。join()等的是未完成任务数归零,不是简单等待队列变空。shutdown()适合正常收尾;immediate=True会破坏通常的完成保证,只用于紧急终止。
maxsize 先把生产速度限制在可承受范围
Queue(maxsize=0) 是默认配置,队列不会因为达到容量而让 put() 等待。要让突发流量在内存里有明确边界,应设置正整数。队列满时,await queue.put(item) 会暂停当前生产协程,消费者取走数据后才继续,这就是应用层回压。
| 成员 | 它解决的问题 | 容易误解的边界 |
|---|---|---|
maxsize | 限制队列中允许保留的项目数 | 不限制单个项目的大小 |
qsize() | 查看当前数量 | 不能代替并发控制 |
put_nowait() | 满时立即失败 | 需要处理 QueueFull |

因此,maxsize 应按消费者并发数、单项内存占用和可接受等待时间共同估算。它是容量护栏,不是吞吐量承诺;若消费者被下游 I/O 拖慢,生产者仍会等待。
join 与 task_done 共同定义完成边界
join() 等待的是“所有已入队项目都完成处理”。每次 put() 会增加未完成计数,消费者取得项目后必须在处理结束时调用一次 task_done()。只要少调用一次,join() 就可能一直挂住;多调用一次则会抛出 ValueError。
import asyncio
async def consumer(queue: asyncio.Queue):
while True:
try:
item = await queue.get()
except asyncio.QueueShutDown:
# 队列已关闭且没有剩余项目,消费者可以退出
break
try:
await handle(item)
finally:
# 每个 get 必须且只能配对一次 task_done
queue.task_done()
async def producer(queue: asyncio.Queue, items: list[str]):
for item in items:
# 队列满时在这里等待,避免无界堆积
await queue.put(item)
async def handle(item: str):
await asyncio.sleep(0.01)
async def main():
queue = asyncio.Queue(maxsize=3)
worker = asyncio.create_task(consumer(queue))
await producer(queue, ["a", "b", "c"])
await queue.join()
queue.shutdown()
await worker
asyncio.run(main())
这段代码的完成边界很清楚:join() 返回只能说明每个项目都执行过对应的 task_done(),不能说明业务一定成功。生产环境中应在 handle() 周围记录异常或把失败项交给独立的重试策略。
shutdown 负责让消费者有序退出
Python 3.13 新增 shutdown()。默认的正常关闭会阻止新项目进入队列,但允许消费者继续取完已经入队的项目;队列清空后,新的 get() 会抛出 QueueShutDown。这比塞入特殊哨兵值更适合多个消费者,因为关闭状态由队列统一管理。
shutdown(immediate=True) 会立即排空队列并唤醒等待者,可能让 join() 在任务尚未真正处理时返回。它适合进程即将被强制终止的场景,不适合普通发布、定时任务或可恢复的消费流程。Python 3.12 及更早版本没有这个方法,需要继续使用哨兵值、取消任务或外围事件协调退出。

常见问题
队列为空就代表所有任务完成了吗?
不一定。项目可能已经被 get() 取走但仍在处理,判断整体完成应等待 join()。
为什么消费者要把 task_done 放进 finally?
处理函数抛异常时也要归还完成计数,否则生产者等待的 join() 没有机会结束;失败记录和重试应另行处理。
没有 Python 3.13 能调用 shutdown 吗?
不能直接调用。请使用版本兼容的哨兵值或任务取消方案,并把退出协议写进消费者协程。
Go select 里 default 为什么让循环占满 CPU
- 上一篇
- Go select 里 default 为什么让循环占满 CPU
- 下一篇
- Go 怎么安全地批量重命名文件并支持失败回滚
-
- 文章 · python教程 | 2小时前 | 开发环境 · python · Python 虚拟环境 pip pyproject.toml editable install
- Python editable install 更新 怎样处理
- 356浏览 收藏
-
- 文章 · python教程 | 3小时前 |
- Python 进程池异常 怎样处理
- 319浏览 收藏
-
- 文章 · python教程 | 3小时前 |
- Python logging 请求 ID 怎样处理
- 377浏览 收藏
-
- 文章 · python教程 | 3小时前 | Python教程 · 数据导入 · Python csv DictReader DictWriter newline 换行字段
- Python csv 换行字段 怎样处理
- 365浏览 收藏
-
- 文章 · python教程 | 3小时前 |
- Python pathlib 替换文件 怎样处理
- 188浏览 收藏
-
- 文章 · python教程 | 3小时前 |
- Python TypeGuard 类型收窄 怎样处理
- 212浏览 收藏
-
- 文章 · python教程 | 3小时前 | python · Python 可变默认值 dataclass default_factory
- Python dataclass 默认工厂 怎样处理
- 488浏览 收藏
-
- 文章 · python教程 | 3小时前 | 异步编程 · Python教程 · asyncio · Python 清理 asyncio CancelledError TaskGroup Task.cancel
- Python asyncio 取消清理 怎样处理
- 410浏览 收藏
-
- 文章 · python教程 | 14小时前 | 热点分析 Python 3.15 Tachyon profiling.sampling 采样分析器
- Python 3.15 sampling profiler 怎样采集热点
- 340浏览 收藏
-
- 文章 · python教程 | 22小时前 |
- Python csv.Sniffer 怎样减少小样本分隔符误判
- 389浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 587次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 624次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 659次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 627次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 442次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

