在Python中，queue 模块提供了同步的、线程安全的队列类，这使得在多线程环境下共享数据变得简单。下面是一个使用 queue.Queue 的并发编程示例，其中使用了 threading 模块来创建多个线程，这些线程将向队列中添加元素并从队列中取出元素。
import queue
import threading
import time
import random
# 定义一个工作函数，用于模拟生产者（向队列中添加数据）和消费者（从队列中取出数据）
def worker(q, job_type):
while True:
item = random.randint(1, 100) # 模拟生成数据
if job_type == 'producer':
q.put(item) # 生产者向队列中添加数据
print(f'{threading.current_thread().name} 生产了 {item}')
time.sleep(random.random()) # 模拟耗时操作
elif job_type == 'consumer':
item = q.get() # 消费者从队列中取出数据
q.task_done() # 表示队列中之前入队的一个任务已经完成
print(f'{threading.current_thread().name} 消费了 {item}')
time.sleep(random.random()) # 模拟耗时操作
# 创建一个队列
q = queue.Queue()
# 创建并启动生产者线程
for i in range(2): # 假设有两个生产者
t = threading.Thread(target=worker, args=(q, 'producer'), name=f'生产者-{i+1}')
t.daemon = True # 设置为守护线程，主线程结束时守护线程也会结束
t.start()
# 创建并启动消费者线程
for i in range(3): # 假设有三个消费者
t = threading.Thread(target=worker, args=(q, 'consumer'), name=f'消费者-{i+1}')
t.daemon = True # 设置为守护线程
t.start()
# 主线程等待所有任务完成（这里假设所有任务都会很快完成，实际情况中可能需要更复杂的同步机制）
q.join() # 等待队列中的所有项目都被处理
print("所有任务完成。")
注意：
-
在这个示例中，我使用了
random.randint(1, 100)来模拟生产的数据，以及random.random()来模拟生产者和消费者的耗时操作。 -
q.put(item)用于生产者向队列中添加元素，而q.get()用于消费者从队列中取出元素。q.task_done()表示队列中之前入队的一个任务已经完成，每当消费者线程完成一个元素的消费后，就应当调用这个方法。 -
使用了
threading.Thread来创建线程，并设置了daemon属性为True，这意味着这些线程是守护线程，当主线程结束时，它们也会自动结束。 -
使用了
q.join()方法来等待队列中的所有元素都被处理。但是，需要注意的是，在这个示例中，由于生产者线程是无限循环的（没有明确的退出条件），所以实际上q.join()可能永远不会返回，除非在外部有某种机制来停止生产者线程（例如，通过共享变量或使用threading.Event）。在实际应用中，你可能需要设计更复杂的逻辑来确保生产者线程在适当的时候停止。 -
为了简化示例，这里没有包含优雅地关闭线程或队列的代码。在实际应用中，你可能需要实现某种形式的信号机制来通知线程何时停止工作。
