分发
对于监控系统，需要处理很多数据，包括日志，对其中的数据采集，分析。
被监控数据对象就是数据的生产者producer，数据的处理程序就是消费者consumer。
生产者消费者模型的传统的模型，生产，消费的耦合度大，写在同一个代码中，如果生产规模扩大，就不易扩大，而且生产和消费的速度很难匹配.
简单的推拉模型，消费者主动要就是拉，生产者主动给就是推
如果消费者多，会消费速度大于生产速度，浪费资源，如果生产者多，会造成大量数据积压。
消费者和生产者的速度要匹配，消费速度略大于生产速度。假如消费者程序崩溃，可以保证运行的程序不会崩溃。
yield的思想是消费者决定速度，消费多快就去生产者取数据，但实际情况是生产者的生产是源源不断的，实际情况是数据大量的产生。
规模较大时，要分开生产者和消费者的代码，解决方案是消息队列
解决方案，队列，queue，消息应当先进先出
消息队列可以理解为超市模型，生产者只负责生产，消费者直接去消费
作用--解耦：代码是分开的，缓冲：缓冲数据，理解模型是大坝，
日志生产者会部署好几个程序，加入消息队列，消费者要在处理速度上略大于生产速度，速度匹配
数据有时效性，要及时处理，及时返回，指导生产，你的竞争对手随时都在加速
消息队列可以在容器内部建立多个队列，解决消费者处理速度不同的问题
数据生产的不稳定性，短时间的“潮涌”，需要缓冲。加缓冲队列就是解决方案
在单机中使用标准库queue模块，线程中使用threading，进程中是使用消息中间件
多进程的大型系统可以使用第三方中间件：较传统用RabbbitMQ ，RocketMQ， kafka(大数据喜欢用)，都支持集群，在分布式系统中较常用，适合大型系统
如果数据瞬间就产生量极大，比如双十一的消费数据，可以到结束后再处理，就可以用到缓冲队列
消息队列可以平滑生产者和消费者模型的速度
queue 模块
from queue import Queue（类名大写）
Queue（先进先出），Lifo（后进先出，栈）
queue.Queue(maxsize=0),返回Queue对象。maxsize小于等于0，队列长度没有限制
q.empty（）判断是否为空
q.full（）判断是否满了,有size时才会满
q.put（）加入队列，提交数据，可以提交所有合法数据，引用对象加入队列的是地址，range对象是引用对象，设置size时才会full
q.get（block=True，timeout=None）从队列取出。没有索引，队列不能在中间插入或者删除
空队列get在单线程中会阻塞，block阻塞，为False时，非阻塞行为，为空直接抛异常Empty，
timeout超时，等于None永久阻塞；block为False时，timeout无效；block为Ture时，会一直等（None）或者等一会（输入秒数）
q.get_nowait（），想当于q.get(False)
阻塞行为可以决定是否等待数据。
q.size，查看队列的大小，不是精确的，多线程中有多个消费者，你看到时，有可能已经被put了新的，或者get走了元素
get和put会一直等待结果，如果设置的时间到了，一定会抛异常，带有阻塞效果的都是这个原理
threading 线程模块
threading.Thread(group=None, target=None, name=None, args=(), kwargs=None, *, daemon=None)
target: 线程目标函数，args：参数
load函数就是从日志中提取合格的数据的生成器函数
可以作为dispatcher函数的数据源