Python multiprocessing.Queue与multiprocessing.manager（）。Queue（）

Python multiprocessing.Queue与multiprocessing.manager（）。Queue（）

尽管我对此主题的理解有限，但是从我的理解中可以看出multiprocessing.Queue（）和multiprocessing.Manager（）。Queue（）之间有一个主要区别：

• multiprocessing.Queue（）是一个对象，而multiprocessing.Manager（）。Queue（）是指向由multiprocessing.Manager（）对象管理的共享队列的地址（代理）。
• 因此您不能将普通的multiprocessing.Queue（）对象传递给Pool方法，因为它不能被腌制。
• 此外，python文档告诉我们在使用multiprocessing.Queue（）时要特别注意，因为它可能会产生不良影响

注意 将对象放入队列时，将对对象进行酸洗，然后后台线程将酸洗的数据刷新到基础管道。这会带来一些令人惊讶的后果，但不会造成任何实际困难-
如果它们确实困扰您，那么您可以使用由经理创建的队列。将对象放在空队列上之后，在队列的empty（）方法返回False且get_nowait（）可以不增加Queue.Empty的情况下返回之前，可能会有无穷的延迟。如果多个进程正在排队对象，则有可能在另一端无序接收对象。但是，通过相同过程排队的对象始终相对于彼此处于预期的顺序。

警告
如上所述，如果子进程已将项目放入队列中（并且尚未使用JoinableQueue.cancel_join_thread），则该进程将不会终止，直到所有缓冲的项目都已刷新到管道中为止。这意味着，如果您尝试加入该进程，则可能会陷入僵局，除非您确定已放入队列中的所有项目都已消耗完。同样，如果子进程是非守护进程，则当父进程尝试加入其所有非守护进程子进程时，其父进程可能会在退出时挂起。请注意，使用管理器创建的队列不存在此问题。

通过将队列设置为全局变量，并在初始化时为所有进程设置队列，可以将multiprocessing.Queue（）与Pool结合使用：

queue = multiprocessing.Queue()def initialize_shared(q):    global queue    queue=qpool= Pool(nb_process,initializer=initialize_shared, initargs(queue,))

将使用正确共享的队列创建池进程，但是我们可以争辩说不是为此用途创建了multiprocessing.Queue（）对象。

另一方面，通过将pool.Manager.Queue（）作为函数的常规参数传递，可以在池子进程之间共享manager.Queue（）。

我认为，在每种情况下使用multiprocessing.Manager（）。Queue（）都很好，而且麻烦也较少。使用管理器可能有一些缺点，但我不知道。