在每个deque追加和popleft中添加notify_all()会导致deque的结果比默认deque行为所获得的20倍的改善要糟糕得多:

deque + notify_all: 0.469802
Queue:              0.667279

@Jonathan稍微修改了一下他的代码，我使用cPython 3.6.2获得了基准测试，并在deque循环中添加了条件来模拟Queue的行为。

import time
from queue import Queue
import threading
import collections

mutex = threading.Lock()
condition = threading.Condition(mutex)
q = collections.deque()
t0 = time.clock()
for i in range(100000):
    with condition:
        q.append(1)
        condition.notify_all()
for _ in range(100000):
    with condition:
        q.popleft()
        condition.notify_all()
print('deque', time.clock() - t0)

q = Queue(200000)
t0 = time.clock()
for _ in range(100000):
    q.put(1)
for _ in range(100000):
    q.get()
print('Queue', time.clock() - t0)

而且似乎性能受到了限制 这个函数是condition.notify_all()

deque是无界队列的另一种实现，具有不需要锁定的快速原子append()和popleft()操作。 文档队列

Deque是线程安全的。“不需要锁定的操作”意味着你不必自己进行锁定，deque会处理它。

看一下Queue源，内部deque叫做self。queue()，并使用互斥量进行访问和突变，因此queue()。使用队列不是线程安全的。

如果您正在寻找一个“in”操作符，那么deque或queue可能不是最适合您的问题的数据结构。

队列中。Queue和collections.deque有不同的用途。队列中。Queue的目的是允许不同的线程使用排队的消息/数据进行通信，而collections.deque只是作为一个数据结构。这就是队列的原因。Queue有put_nowait()、get_nowait()和join()等方法，而collections.deque没有。队列中。Queue不打算用作集合，这就是为什么它缺乏类似于in操作符的特性。

这可以归结为:如果您有多个线程，并且希望它们能够在不需要锁的情况下进行通信，那么您将寻找Queue.Queue;如果您只想要一个队列或双端队列作为数据结构，请使用collections.deque。

最后，访问和操作Queue的内部deque。排队是在玩火——你真的不想这样做。

deque上的所有单元素方法都是原子的和线程安全的。所有其他方法也是线程安全的。比如len(dq) dq[4]会产生瞬时正确值。但是想想例如dq.extend(mylist):当其他线程也在同一侧附加元素时，你不能保证mylist中的所有元素都是在一行中归档的——但这通常不是线程间通信和被质疑任务的要求。

所以deque比Queue(在底层使用deque)快20倍，除非你不需要“舒适的”同步API(阻塞/超时)，严格的maxsize服从或“覆盖这些方法(_put， _get， ..)来实现其他队列组织”子类化行为，或者当你自己处理这些事情时，那么一个纯deque对于高速线程间通信来说是一个很好的和有效的交易。

事实上，在Queue.py中大量使用额外的互斥量和额外的方法._get()等方法调用是由于向后兼容性限制、过去的过度设计以及缺乏对线程间通信中这个重要的速度瓶颈问题提供有效解决方案的关注。在较旧的Python版本中使用了列表-但即使list.append()/.pop(0)也是原子的和线程安全的…

在每个deque追加和popleft中添加notify_all()会导致deque的结果比默认deque行为所获得的20倍的改善要糟糕得多:

deque + notify_all: 0.469802
Queue:              0.667279

@Jonathan稍微修改了一下他的代码，我使用cPython 3.6.2获得了基准测试，并在deque循环中添加了条件来模拟Queue的行为。

import time
from queue import Queue
import threading
import collections

mutex = threading.Lock()
condition = threading.Condition(mutex)
q = collections.deque()
t0 = time.clock()
for i in range(100000):
    with condition:
        q.append(1)
        condition.notify_all()
for _ in range(100000):
    with condition:
        q.popleft()
        condition.notify_all()
print('deque', time.clock() - t0)

q = Queue(200000)
t0 = time.clock()
for _ in range(100000):
    q.put(1)
for _ in range(100000):
    q.get()
print('Queue', time.clock() - t0)

而且似乎性能受到了限制 这个函数是condition.notify_all()

deque是无界队列的另一种实现，具有不需要锁定的快速原子append()和popleft()操作。 文档队列

如果您所寻找的只是线程间传输对象的线程安全方法，那么这两种方法都可以工作(对于FIFO和LIFO都可以)。先进先出:

Queue.put()和Queue.get()是线程安全的 Deque.append()和deque.popleft()是线程安全的

注意:

deque上的其他操作可能不是线程安全的，我不确定。 Deque不会阻塞pop()或popleft()，所以在新条目到达之前，你不能将你的消费线程流基于阻塞。

然而，deque似乎具有显著的效率优势。以下是使用CPython 2.7.3插入和删除100k项的一些以秒为单位的基准测试结果

deque 0.0747888759791
Queue 1.60079066852

下面是基准代码:

import time
import Queue
import collections

q = collections.deque()
t0 = time.clock()
for i in xrange(100000):
    q.append(1)
for i in xrange(100000):
    q.popleft()
print 'deque', time.clock() - t0

q = Queue.Queue(200000)
t0 = time.clock()
for i in xrange(100000):
    q.put(1)
for i in xrange(100000):
    q.get()
print 'Queue', time.clock() - t0