asyncio.queue不可用list替代，因其是协程安全的，内置lock和event实现可取消的阻塞等待；而list并发读写会丢数据或报错，且put/get必须await，否则返回协程对象导致逻辑失控。
asyncio.Queue 为什么不能直接用 list 替代
因为 asyncio.Queue 是协程安全的，而普通 list 在多个 async 任务里并发读写会丢数据、抛 RuntimeError 或静默出错。它底层用了 asyncio.Lock 和 asyncio.Event 做同步，不是简单加个锁就完事——比如 put() 会等队列有空位，get() 会等有数据，这些阻塞都是可取消的、不阻塞整个事件循环。
常见错误现象：
- 用 queue.append(item) + await asyncio.sleep(0) 模拟“异步入队”，结果消费者早早就 get() 到空列表
- 多个 task 同时 pop(0)，报 IndexError 或跳过元素
使用场景：
- 爬虫中分发 URL 给 worker 任务
- 日志聚合器从多个协程收集日志条目再批量刷盘
- 需要背压（backpressure）控制生产速度的流式处理
put() 和 get() 必须 await，否则会出什么问题
不 await 就调用 put() 或 get()，返回的是一个协程对象，不是实际执行——就像写了 async def f(): pass 却没 await f()，啥也不会发生。更糟的是，如果误把它当普通函数用（比如传给 print()），程序不会报错，但队列状态完全失控。
容易踩的坑：
- 把 queue.put(item) 当成同步操作，后面立刻 queue.qsize()，发现还是 0
- 在 for 循环里漏掉 await，导致所有 put() 都没真正入队，消费者永远 get() 不到东西
- 用 queue.get_nowait() 替代 await queue.get()，结果在空队列时报 asyncio.QueueEmpty，而不是等待
实操建议：
- 所有 put()、get()、join()、task_done() 都必须 await
- 开发期打开 asyncio.get_event_loop().set_debug(True)，能捕获未 await 的协程警告
- 不要用 get_nowait() 除非你明确需要非阻塞且能处理异常
maxsize 设为 0 和设为 1 有什么实质区别
maxsize=0 表示“无上限”，但注意：它不是“无限大”，而是“不限制”，底层仍用 collections.deque 存储，内存爆了照样崩；maxsize=1 是真·单元素缓冲，常用于信号传递或限流开关。
性能与兼容性影响：
- maxsize=0 下，put() 几乎不阻塞（除非内存耗尽），适合数据量可控、消费者跟得上的场景
- maxsize=1 下，第二个 put() 会挂起，直到前一个被 get() 走——这是实现“协程间握手”的轻量方式，比 asyncio.Event 更省对象开销
- Python 3.9+ 对 maxsize=0 做了小优化，但差别微乎其微，别指望它提速
示例对比：q = asyncio.Queue(maxsize=0) → 可缓存上千 URL，适合预取q = asyncio.Queue(maxsize=1) → 适合做“暂停/恢复”开关：生产者 put(True)，消费者 get() 后才继续干活
立即学习“Python免费学习笔记（深入）”；
task_done() 和 join() 配合不好，消费者就卡死
join() 不是等队列空，而是等所有已 get() 出来的任务都调过 task_done()。漏调、多调、在没 get() 前就调，都会让 join() 永远等下去——没有超时，不会报错，只是一动不动。
常见错误现象：
- 消费者异常退出，忘了 task_done()，后续 join() 死锁
- 用 try/except 包住 get()，但在 except 分支没调 task_done()
- 一个 get() 后调了两次 task_done()，导致计数变负，join() 立刻返回，但逻辑已错乱
实操建议：
- 把 task_done() 放在 finally 块里，确保无论成功失败都执行
- 不要手动管理计数，task_done() 必须和 get() 一一对应
- 如果只是想等队列空，用 while not q.empty(): await asyncio.sleep(0.01) 更直白（但注意竞态）
复杂点在于：它不像线程版 Queue 那样有隐式保障，asyncio 的每个环节都靠你显式配平。少一次 await，少一次 task_done()，都可能让整条流水线停在某个看不见的 await 上。
