今天来介绍下编程中常会用到的一个数据结构 - 队列。
不知道大家是否还记得什么是数据结构呢？在很早很早以前，Python小课堂的初期，讲了许多 Python 原生的数据结构。比如 list、tuple、dict 等。。。
既然叫数据结构，实际上就是为了给计算机存储数据用的一种结构体。不同的数据结构都有其不同的特点。那今天就来简单地聊聊队列！
队列的概念
抛开计算机知识体系，在咱们的生活中，队列这个词其实挺好想象的，因为无时无刻都可以见到。比如等公交的时候，需要排队。比如买东西交钱的时候，也要排队。在这些例子中，由人们有序形成的队形就叫队列。
生活中的排队，有没有什么特性而言呢？大家可以思考下，再往下看。
普通队列的特性，即先进先出（FIFO，first in first out）。对应到生活中，怎么理解这个先进先出？其实很好理解。
拿排队买东西来说，每次排在队首的人，交完钱肯定是当前队列中第一个离开收银台的人。当队首的人离开了，那么后面的所有人都要往前走，继续结账。
对应到计算机中的队列，就是因为第一个人先排的队，所以他第一个交完钱就可以离开了，即先进先出。（多说句，计算机世界许多东西其实就是抽象的现实世界示例。）
心细的同学会发现，在上面将普通两字标粗了，那一定还有一些其它的常用特殊队列，比如优先级队列。（PriorityQueue）
这次拿去银行办业务来举例。生活中我们去银行办理业务，一般都需要去机器拿号，然后等待着柜台业务人员叫号。叫到你，你就过去处理就行了。但是银行是有 vip 服务的，拥有 vip 权益的人可以更快的享受到业务办理，也就是说人家比你有更高的优先权。vip特权通道，你值得拥有！
了解了生活中的例子，再来看看比较专业的定义：
优先级队列（priority queue） 是0个或多个元素的集合，每个元素都有一个优先权，对优先级队列执行的操作有（1）查找（2）插入一个新元素 （3）删除 一般情况下，查找操作用来搜索优先权最大的元素，删除操作用来删除该元素 。对于优先权相同的元素，可按先进先出次序处理或按任意优先权进行。
百度百科
也就是说，在优先级队列中，每个人都有一个优先权对应，谁的优先权高，谁就会先被处理。大家了解即可。
示例演示
示例情景：
假设下面有 6 个美少女，她们准备去量身高，恰好这几个妹纸是按照从高到低，从大到小排好队的。
每走一个去量身高，这个队列中就会少一个人。当然，队首在左，队尾在右，于是她们的变化是下面这样：
。。。。。。省略，直到：
代码演示
是不是好多人看到这里就不打算看了。。不是让你来看美少女的喂。。。下面才是重点~
第一部分代码：
import queue
import threading
num_worker_threads = 5
def do_work(beauty_dict):
print(f"妹纸名字{beauty_dict['name']}，年龄{beauty_dict['age']}")
def worker():
while True:
item = q.get()
if item is None:
break
do_work(item)
q.task_done()
简单的讲解下，在 Python3 中，有个模块叫 queue。里面实现了几个队列的数据结构。首先看 do_work() 函数，其中它就是用来打印妹子姓名和年龄的。worker() 函数中写了一层死循环，只要队列中有妹纸的数据，就一直执行打印，直到队列中的妹纸都没了，就跳出。
第二部分代码：
q = queue.Queue()
threads = []
for i in range(num_worker_threads):
t = threading.Thread(target=worker)
t.start()
threads.append(t)
beauty_girls = [{"name": "小H", "age": 23},
{"name": "小E", "age": 22},
{"name": "小D", "age": 21},
{"name": "小C", "age": 20},
{"name": "小B", "age": 19},
{"name": "小A", "age": 18},
]
for item in beauty_girls:
q.put(item)
# block until all tasks are done
q.join()
# stop workers
for i in range(num_worker_threads):
q.put(None)
for t in threads:
t.join()
首先创建队列，其次，让这 6 个美少女开始依次排入到队列中，开启多线程去执行 worker() 这个函数。worker() 函数就是第一部分代码中，从队列里一个个取出妹纸，在调用 do_work() 打印她们的姓名和年龄。
关于队列的 join() 方法，可以看到官方给的英文注释，大意是当所有任务完成时才继续执行后面的代码，否则处于阻塞状态。
代码中涉及的方法，老规矩，希望大家可以自己去查阅 Python 官方文档，搜索 queue 即可看到。当然如果懒得动手的话，笔者这里截图几个常用方法：
将妹纸放入队列中：
从队列中获取妹纸：
获取队列中妹纸的个数：
总结
通过两篇文章，简单的介绍了一下多线程和队列，目的是为了接下来的多线程队列爬虫示例做准备，如果对这些不了解的话，在后面的代码中是很难看懂的。
关于队列的使用，最常用的方法应该就是放入、获取、判断队列的大小。其实这三点在大部分数据结构里都是常用的操作，熟练掌握即可。