一、什么是協(xié)程

協(xié)程擁有自己的寄存器和棧。協(xié)程調(diào)度切換的時(shí)候，將寄存器上下文和棧都保存到其他地方，在切換回來(lái)的時(shí)候，恢復(fù)到先前保存的寄存器上下文和棧，因此：協(xié)程能保留上一次調(diào)用狀態(tài)，每次過(guò)程重入時(shí)，就相當(dāng)于進(jìn)入上一次調(diào)用的狀態(tài)。

協(xié)程的好處：

• 1.無(wú)需線(xiàn)程上下文切換的開(kāi)銷(xiāo)（還是單線(xiàn)程）
• 2.無(wú)需原子操作（一個(gè)線(xiàn)程改一個(gè)變量，改一個(gè)變量的過(guò)程就可以稱(chēng)為原子操作）的鎖定和同步的開(kāi)銷(xiāo)
• 3.方便切換控制流，簡(jiǎn)化編程模型
• 4.高并發(fā)+高擴(kuò)展+低成本：一個(gè)cpu支持上萬(wàn)的協(xié)程都沒(méi)有問(wèn)題，適合用于高并發(fā)處理

缺點(diǎn)：

• 1.無(wú)法利用多核的資源，協(xié)程本身是個(gè)單線(xiàn)程，它不能同時(shí)將單個(gè)cpu的多核用上，協(xié)程需要和進(jìn)程配合才能運(yùn)用到多cpu上（協(xié)程是跑在線(xiàn)程上的）
• 2.進(jìn)行阻塞操作時(shí)會(huì)阻塞掉整個(gè)程序：如io

二、了解協(xié)程的過(guò)程

2.1、yield工作原理

從語(yǔ)法上來(lái)看，協(xié)程和生成器類(lèi)似，都是定義體中包含yield關(guān)鍵字的函數(shù)。

yield在協(xié)程中的用法：

• 在協(xié)程中yield通常出現(xiàn)在表達(dá)式的右邊，例如：datum = yield,可以產(chǎn)出值，也可以不產(chǎn)出--如果yield關(guān)鍵字后面沒(méi)有表達(dá)式，那么生成器產(chǎn)出None。
• 在協(xié)程中yield也可能從調(diào)用方接受數(shù)據(jù)，調(diào)用方是通過(guò)send(datum)的方式把數(shù)據(jù)提供給協(xié)程使用，而不是next(...)函數(shù)，通常調(diào)用方會(huì)把值推送給協(xié)程。
• 協(xié)程可以把控制器讓給中心調(diào)度程序，從而激活其他的協(xié)程。

所以總體上在協(xié)程中把yield看做是控制流程的方式。

先通過(guò)一個(gè)簡(jiǎn)單的協(xié)程的例子理解：

def simple_demo():
 print("start")
 x = yield
 print("x:", x)
sd = simple_demo()
next(sd)
sd.send(10)
---------------------------
>>> start
>>> x: 10
>>> Traceback (most recent call last):
>>>File "D:/python_projects/untitled3/xiecheng1.py", line 9, >>> in <module>
>>>  sd.send(10)
>>> StopIteration

對(duì)上述例子的分析：

yield 的右邊沒(méi)有表達(dá)式，所以這里默認(rèn)產(chǎn)出的值是None
剛開(kāi)始先調(diào)用了next(...)是因?yàn)檫@個(gè)時(shí)候生成器還沒(méi)有啟動(dòng)，沒(méi)有停在yield那里，這個(gè)時(shí)候也是無(wú)法通過(guò)send發(fā)送數(shù)據(jù)。所以當(dāng)我們通過(guò)next(...)激活協(xié)程后，程序就會(huì)運(yùn)行到x = yield，這里有個(gè)問(wèn)題我們需要注意，x = yield這個(gè)表達(dá)式的計(jì)算過(guò)程是先計(jì)算等號(hào)右邊的內(nèi)容，然后在進(jìn)行賦值，所以當(dāng)激活生成器后，程序會(huì)停在yield這里，但并沒(méi)有給x賦值。

當(dāng)我們調(diào)用send方法后yield會(huì)收到這個(gè)值并賦值給x,而當(dāng)程序運(yùn)行到協(xié)程定義體的末尾時(shí)和用生成器的時(shí)候一樣會(huì)拋出StopIteration異常

如果協(xié)程沒(méi)有通過(guò)next(...)激活(同樣我們可以通過(guò)send(None)的方式激活)，但是我們直接send，會(huì)提示如下錯(cuò)誤：

def simple_demo():
 print("start")
 x = yield
 print("x:", x)
sd = simple_demo()
# next(sd)
sd.send(10)
---------------------------
>>> Traceback (most recent call last):
>>>File "D:/python_projects/untitled3/xiecheng1.py", line 9, >>> in <module>
>>>  sd.send(10)
>>> TypeError: can't send non-None value to a just-started generator

關(guān)于調(diào)用next(...)函數(shù)這一步通常稱(chēng)為”預(yù)激(prime)“協(xié)程，即讓協(xié)程向前執(zhí)行到第一個(gè)yield表達(dá)式，準(zhǔn)備好作為活躍的協(xié)程使用

協(xié)程在運(yùn)行過(guò)程中有四個(gè)狀態(tài)：

• GEN_CREATE:等待開(kāi)始執(zhí)行
• GEN_RUNNING:解釋器正在執(zhí)行，這個(gè)狀態(tài)一般看不到
• GEN_SUSPENDED:在yield表達(dá)式處暫停
• GEN_CLOSED:執(zhí)行結(jié)束

通過(guò)下面例子來(lái)查看協(xié)程的狀態(tài)：

>>> from inspect import getgeneratorstate
>>> def simple_demo(a):
 print("start: a = ", a)
 b = yield a
 print("b = ", b)
 c = yield a + b
 print("c = ", c)
 
>>> sd = simple_demo(2)
>>> print(getgeneratorstate(sd))
GEN_CREATED
>>> next(sd)  # 預(yù)激協(xié)程，使它走到第一個(gè)yield處，因?yàn)榈谝粋€(gè)yield處有yield值a，所以返回a的值，然后在此yield處阻塞
start: a =  2
2
>>> print(getgeneratorstate(sd))
GEN_SUSPENDED
>>> sd.send(3) # 發(fā)送3，進(jìn)入?yún)f(xié)程接著上一次阻塞的yield處執(zhí)行，yield接收參數(shù)3賦值給b，到下一個(gè)yield處返回a+b的值，然后在此yield處再次阻塞，等待下次send值
b =  3
5
>>> sd.send(4) # 同上一次send過(guò)程，到此結(jié)束拋異常
c =  4
Traceback (most recent call last):
  File "<pyshell#8>", line 1, in <module>
 sd.send(4)
StopIteration
>>> print(getgeneratorstate(sd))
GEN_CLOSED

可以通過(guò)注釋理解這個(gè)例子。

接著再通過(guò)一個(gè)計(jì)算平均值的例子來(lái)繼續(xù)理解：

>>> def averager():
	total = 0.0
	count = 0
	average = None
	while True:
		term = yield average
		total += term
		count += 1
		average = total/count
		
>>> avg = averager()
>>> next(avg)
>>> avg.send(10)
10.0
>>> avg.send(30)
20.0
>>> avg.send(40)
26.666666666666668

這里是一個(gè)死循環(huán)，只要不停send值給協(xié)程，可以一直計(jì)算下去。
通過(guò)上面的幾個(gè)例子我們發(fā)現(xiàn)，我們?nèi)绻胍_(kāi)始使用協(xié)程的時(shí)候必須通過(guò)next(...)方式激活協(xié)程，如果不預(yù)激，這個(gè)協(xié)程就無(wú)法使用，如果哪天在代碼中遺忘了那么就出問(wèn)題了，所以有一種預(yù)激協(xié)程的裝飾器，可以幫助我們干這件事。

2.2、預(yù)激協(xié)程的裝飾器

下面是預(yù)激裝飾器的演示例子：

from functools import wraps
def coroutine(func):
 @wraps(func)
 def primer(*args,**kwargs):
  gen = func(*args,**kwargs)
  next(gen)
  return gen
 return primer
@coroutine
def averager():
 total = 0.0
 count = 0
 average = None
 while True:
  term = yield average
  total += term
  count += 1
  average = total/count
coro_avg = averager()
from inspect import getgeneratorstate
print(getgeneratorstate(coro_avg))
print(coro_avg.send(10))
print(coro_avg.send(30))
print(coro_avg.send(5))
---------------------------
>>> GEN_SUSPENDED
>>> 10.0
>>> 20.0
>>> 15.0

關(guān)于預(yù)激，在使用yield from句法調(diào)用協(xié)程的時(shí)候，會(huì)自動(dòng)預(yù)激活，這樣其實(shí)與我們上面定義的coroutine裝飾器是不兼容的，在python3.4里面的asyncio.coroutine裝飾器不會(huì)預(yù)激協(xié)程，因此兼容yield from

2.3、終止協(xié)程和異常處理

協(xié)程中未處理的異常會(huì)向上冒泡，傳給 next 函數(shù)或 send 方法的調(diào)用方（即觸發(fā)協(xié)程的對(duì)象）。

繼續(xù)使用上面averager的例子

>>> coro_avg = averager()
>>> coro_avg.send(40)
40.0
>>> coro_avg.send(50)
45.0
>>> coro_avg.send('spam')
Traceback (most recent call last):
...
TypeError: unsupported operand type(s) for +=: 'float' and 'str'
>>> coro_avg.send(60)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration

由于在協(xié)程內(nèi)沒(méi)有處理異常，協(xié)程會(huì)終止。如果試圖重新激活協(xié)程，會(huì)拋出StopIteration 異常。

從 Python 2.5 開(kāi)始，客戶(hù)代碼可以在生成器對(duì)象上調(diào)用兩個(gè)方法：throw 和 close，顯式地把異常發(fā)給協(xié)程。

1：generator.throw(exc_type[, exc_value[, traceback]])

使生成器在暫停的 yield 表達(dá)式處拋出指定的異常。如果生成器處理了拋出的異常，代碼會(huì)向前執(zhí)行到下一個(gè) yield 表達(dá)式，而產(chǎn)出的值會(huì)成為調(diào)用 generator.throw方法得到的返回值。如果生成器沒(méi)有處理拋出的異常，異常會(huì)向上冒泡，傳到調(diào)用方的上下文中。

2：generator.close()

使生成器在暫停的 yield 表達(dá)式處拋出 GeneratorExit 異常。如果生成器沒(méi)有處理這個(gè)異常，或者拋出了 StopIteration 異常（通常是指運(yùn)行到結(jié)尾），調(diào)用方不會(huì)報(bào)錯(cuò)。如果收到 GeneratorExit 異常，生成器一定不能產(chǎn)出值，否則解釋器會(huì)拋出RuntimeError 異常。生成器拋出的其他異常會(huì)向上冒泡，傳給調(diào)用方。

示例如下：

from inspect import getgeneratorstate
class DemoException(Exception):
 """為這次演示定義的異常類(lèi)型。"""
 pass
 
def demo_exc_handling():
 print('-> coroutine started')
 while True:
  try:
x = yield
  except DemoException:
print('*** DemoException handled. Continuing...')
  else:
print('-> coroutine received: {!r}'.format(x))
 raise RuntimeError('This line should never run.')
 
>>> exc_coro = demo_exc_handling()
>>> next(exc_coro)
-> coroutine started
>>> exc_coro.send(11)
-> coroutine received: 11
>>> exc_coro.send(22)
-> coroutine received: 22
>>> exc_coro.throw(DemoException)
*** DemoException handled. Continuing...
>>> getgeneratorstate(exc_coro)
'GEN_SUSPENDED'
>>> exc_coro.close()
>>> getgeneratorstate(exc_coro)
'GEN_CLOSED'

2.4、讓協(xié)程返回值

在Python2中，生成器函數(shù)中的return不允許返回附帶返回值。在Python3中取消了這一限制，因而允許協(xié)程可以返回值：

from collections import namedtuple
Result = namedtuple('Result', 'count average')
def averager():
 total = 0.0
 count = 0
 average = None
 while True:
  term = yield
  if term is None:
break
  total += term
  count += 1
  average = total/count
 return Result(count, average)
 
>>> coro_avg = averager()
>>> next(coro_avg)
>>> coro_avg.send(10)
>>> coro_avg.send(30)
>>> coro_avg.send(6.5)
>>> coro_avg.send(None)
Traceback (most recent call last):
...
StopIteration: Result(count=3, average=15.5)

發(fā)送 None 會(huì)終止循環(huán)，導(dǎo)致協(xié)程結(jié)束，返回結(jié)果。一如既往，生成器對(duì)象會(huì)拋出StopIteration 異常。異常對(duì)象的 value 屬性保存著返回的值。

注意，return 表達(dá)式的值會(huì)偷偷傳給調(diào)用方，賦值給 StopIteration 異常的一個(gè)屬性。這樣做有點(diǎn)不合常理，但是能保留生成器對(duì)象的常規(guī)行為——耗盡時(shí)拋出StopIteration 異常。如果需要接收返回值，可以這樣：

>>> try:
... coro_avg.send(None)
... except StopIteration as exc:
... result = exc.value
...
>>> result
Result(count=3, average=15.5)

獲取協(xié)程的返回值要繞個(gè)圈子，可以使用Python3.3引入的yield from獲取返回值。yield from 結(jié)構(gòu)會(huì)在內(nèi)部自動(dòng)捕獲 StopIteration 異常。這種處理方式與 for 循環(huán)處理 StopIteration 異常的方式一樣。對(duì) yield from 結(jié)構(gòu)來(lái)說(shuō)，解釋器不僅會(huì)捕獲 StopIteration 異常，還會(huì)把value 屬性的值變成 yield from 表達(dá)式的值。

2.5、yield from的使用

yield from 是 Python3.3 后新加的語(yǔ)言結(jié)構(gòu)。在其他語(yǔ)言中，類(lèi)似的結(jié)構(gòu)使用 await 關(guān)鍵字，這個(gè)名稱(chēng)好多了，因?yàn)樗鼈鬟_(dá)了至關(guān)重要的一點(diǎn)：在生成器 gen 中使用 yield from subgen() 時(shí)，subgen 會(huì)獲得控制權(quán)，把產(chǎn)出的值傳給 gen 的調(diào)用方，即調(diào)用方可以直接控制 subgen。與此同時(shí)，gen 會(huì)阻塞，等待 subgen 終止。

yield from 可用于簡(jiǎn)化 for 循環(huán)中的 yield 表達(dá)式。例如：

>>> def gen():
... for c in 'AB':
...  yield c
... for i in range(1, 3):
...  yield i
...
>>> list(gen())
['A', 'B', 1, 2]

可以改為

>>> def gen():
...  yield from 'AB'
...  yield from range(1, 3)
...
>>> list(gen())
['A', 'B', 1, 2]

yield from x 表達(dá)式對(duì) x 對(duì)象所做的第一件事是，調(diào)用 iter(x)，從中獲取迭代器。因此，x 可以是任何可迭代的對(duì)象。

如果 yield from 結(jié)構(gòu)唯一的作用是替代產(chǎn)出值的嵌套 for 循環(huán)，這個(gè)結(jié)構(gòu)很有可能不會(huì)添加到 Python 語(yǔ)言中。

yield from 的主要功能是打開(kāi)雙向通道，把最外層的調(diào)用方與最內(nèi)層的子生成器連接起來(lái)，這樣二者可以直接發(fā)送和產(chǎn)出值，還可以直接傳入異常，而不用在位于中間的協(xié)程中添加大量處理異常的樣板代碼。有了這個(gè)結(jié)構(gòu)，協(xié)程可以通過(guò)以前不可能的方式委托職責(zé)。

PEP 380 使用了一些yield from使用的專(zhuān)門(mén)術(shù)語(yǔ)：

• 委派生成器：包含 yield from 表達(dá)式的生成器函數(shù)；
• 子生成器：從 yield from 表達(dá)式中 部分獲取的生成器；
• 調(diào)用方：調(diào)用委派生成器的客戶(hù)端代碼；

委派生成器在 yield from 表達(dá)式處暫停時(shí)，調(diào)用方可以直接把數(shù)據(jù)發(fā)給子生成器，子生成器再把產(chǎn)出的值發(fā)給調(diào)用方。子生成器返回之后，解釋器會(huì)拋出StopIteration 異常，并把返回值附加到異常對(duì)象上，此時(shí)委派生成器會(huì)恢復(fù)。

下面是一個(gè)求平均身高和體重的示例代碼:

from collections import namedtuple
Result = namedtuple('Result', 'count average')
# 子生成器
def averager():
 total = 0.0
 count = 0
 average = None
 while True:
  # main 函數(shù)發(fā)送數(shù)據(jù)到這里 
  print("in averager, before yield")
  term = yield
  if term is None: # 終止條件
break
  total += term
  count += 1
  average = total/count
 print("in averager, return result")
 return Result(count, average) # 返回的Result 會(huì)成為grouper函數(shù)中yield from表達(dá)式的值

# 委派生成器
def grouper(results, key):
  # 這個(gè)循環(huán)每次都會(huì)新建一個(gè)averager 實(shí)例，每個(gè)實(shí)例都是作為協(xié)程使用的生成器對(duì)象
 while True:
  print("in grouper, before yield from averager, key is ", key)
  results[key] = yield from averager()
  print("in grouper, after yield from, key is ", key)

# 調(diào)用方
def main(data):
 results = {}
 for key, values in data.items():
  # group 是調(diào)用grouper函數(shù)得到的生成器對(duì)象
  group = grouper(results, key)
  print("\ncreate group: ", group)
  next(group) #預(yù)激 group 協(xié)程。
  print("pre active group ok")
  for value in values:
# 把各個(gè)value傳給grouper 傳入的值最終到達(dá)averager函數(shù)中；
# grouper并不知道傳入的是什么，同時(shí)grouper實(shí)例在yield from處暫停
print("send to %r value %f now"%(group, value))
group.send(value)
  # 把None傳入groupper，傳入的值最終到達(dá)averager函數(shù)中，導(dǎo)致當(dāng)前實(shí)例終止。然后繼續(xù)創(chuàng)建下一個(gè)實(shí)例。
  # 如果沒(méi)有g(shù)roup.send(None)，那么averager子生成器永遠(yuǎn)不會(huì)終止，委派生成器也永遠(yuǎn)不會(huì)在此激活，也就不會(huì)為result[key]賦值
  print("send to %r none"%group)
  group.send(None)
 print("report result: ")
 report(results)

# 輸出報(bào)告
def report(results):
 for key, result in sorted(results.items()):
  group, unit = key.split(';')
  print('{:2} {:5} averaging {:.2f}{}'.format(result.count, group, result.average, unit))

data = {
 'girls;kg':[40, 41, 42, 43, 44, 54],
 'girls;m': [1.5, 1.6, 1.8, 1.5, 1.45, 1.6],
 'boys;kg':[50, 51, 62, 53, 54, 54],
 'boys;m': [1.6, 1.8, 1.8, 1.7, 1.55, 1.6],
}
if __name__ == '__main__':
 main(data) 

grouper 發(fā)送的每個(gè)值都會(huì)經(jīng)由 yield from 處理，通過(guò)管道傳給 averager 實(shí)例。grouper 會(huì)在 yield from 表達(dá)式處暫停，等待 averager 實(shí)例處理客戶(hù)端發(fā)來(lái)的值。averager 實(shí)例運(yùn)行完畢后，返回的值綁定到 results[key] 上。while 循環(huán)會(huì)不斷創(chuàng)建 averager 實(shí)例，處理更多的值。

外層 for 循環(huán)重新迭代時(shí)會(huì)新建一個(gè) grouper 實(shí)例，然后綁定到 group 變量上。前一個(gè) grouper 實(shí)例（以及它創(chuàng)建的尚未終止的 averager 子生成器實(shí)例）被垃圾回收程序回收。

代碼結(jié)果如下：

create group:  <generator object grouper at 0x7f34ce8458e0>

in grouper, before yield from averager, key is  girls;kg

in averager, before yield

pre active group ok

send to <generator object grouper at 0x7f34ce8458e0> value 40.000000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce8458e0> value 41.000000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce8458e0> value 42.000000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce8458e0> value 43.000000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce8458e0> value 44.000000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce8458e0> value 54.000000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce8458e0> none

in averager, return result

in grouper, after yield from, key is  girls;kg

in grouper, before yield from averager, key is  girls;kg

in averager, before yield

create group:  <generator object grouper at 0x7f34ce845678>

in grouper, before yield from averager, key is  girls;m

in averager, before yield

pre active group ok

send to <generator object grouper at 0x7f34ce845678> value 1.500000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce845678> value 1.600000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce845678> value 1.800000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce845678> value 1.500000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce845678> value 1.450000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce845678> value 1.600000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce845678> none

in averager, return result

in grouper, after yield from, key is  girls;m

in grouper, before yield from averager, key is  girls;m

in averager, before yield

create group:  <generator object grouper at 0x7f34ce845620>

in grouper, before yield from averager, key is  boys;kg

in averager, before yield

pre active group ok

send to <generator object grouper at 0x7f34ce845620> value 50.000000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce845620> value 51.000000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce845620> value 62.000000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce845620> value 53.000000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce845620> value 54.000000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce845620> value 54.000000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce845620> none

in averager, return result

in grouper, after yield from, key is  boys;kg

in grouper, before yield from averager, key is  boys;kg

in averager, before yield

create group:  <generator object grouper at 0x7f34ce8458e0>

in grouper, before yield from averager, key is  boys;m

in averager, before yield

pre active group ok

send to <generator object grouper at 0x7f34ce8458e0> value 1.600000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce8458e0> value 1.800000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce8458e0> value 1.800000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce8458e0> value 1.700000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce8458e0> value 1.550000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce8458e0> value 1.600000 now

in averager, before yield

send to <generator object grouper at 0x7f34ce8458e0> none

in averager, return result

in grouper, after yield from, key is  boys;m

in grouper, before yield from averager, key is  boys;m

in averager, before yield

report result: 

 6 boys  averaging 54.00kg

 6 boys  averaging 1.68m

 6 girls averaging 44.00kg

 6 girls averaging 1.58m

這個(gè)試驗(yàn)想表明的關(guān)鍵一點(diǎn)是，如果子生成器不終止，委派生成器會(huì)在yield from 表達(dá)式處永遠(yuǎn)暫停。如果是這樣，程序不會(huì)向前執(zhí)行，因?yàn)?yield from（與 yield 一樣）把控制權(quán)轉(zhuǎn)交給客戶(hù)代碼（即，委派生成器的調(diào)用方）了。

2.6、yield from的意義

把迭代器當(dāng)作生成器使用，相當(dāng)于把子生成器的定義體內(nèi)聯(lián)在 yield from 表達(dá)式中。此外，子生成器可以執(zhí)行 return 語(yǔ)句，返回一個(gè)值，而返回的值會(huì)成為 yield from 表達(dá)式的值。

PEP 380 在“Proposal”一節(jié)（https://www.python.org/dev/peps/pep-0380/#proposal）分六點(diǎn)說(shuō)明了 yield from 的行為。這里幾乎原封不動(dòng)地引述，不過(guò)把有歧義的“迭代器”一詞都換成了“子生成器”，還做了進(jìn)一步說(shuō)明。上面的示例闡明了下述四點(diǎn)：

子生成器產(chǎn)出的值都直接傳給委派生成器的調(diào)用方（即客戶(hù)端代碼）；

使用 send() 方法發(fā)給委派生成器的值都直接傳給子生成器。如果發(fā)送的值是None，那么會(huì)調(diào)用子生成器的 next() 方法。如果發(fā)送的值不是 None，那么會(huì)調(diào)用子生成器的 send() 方法。如果子生成器拋出 StopIteration 異常，那么委派生成器恢復(fù)運(yùn)行。任何其他異常都會(huì)向上冒泡，傳給委派生成器；

生成器退出時(shí)，生成器（或子生成器）中的 return expr 表達(dá)式會(huì)觸發(fā)StopIteration(expr) 異常拋出；

yield from 表達(dá)式的值是子生成器終止時(shí)傳給 StopIteration 異常的第一個(gè)參數(shù)。

yield from 的具體語(yǔ)義很難理解，尤其是處理異常的那兩點(diǎn)。在PEP 380 中闡述了 yield from 的語(yǔ)義。還使用偽代碼（使用 Python 句法）演示了 yield from 的行為。

若想研究那段偽代碼，最好將其簡(jiǎn)化，只涵蓋 yield from 最基本且最常見(jiàn)的用法：yield from 出現(xiàn)在委派生成器中，客戶(hù)端代碼驅(qū)動(dòng)著委派生成器，而委派生成器驅(qū)動(dòng)著子生成器。為了簡(jiǎn)化涉及到的邏輯，假設(shè)客戶(hù)端沒(méi)有在委派生成器上調(diào)用throw(...) 或 close() 方法。而且假設(shè)子生成器不會(huì)拋出異常，而是一直運(yùn)行到終止，讓解釋器拋出 StopIteration 異常。上面示例中的腳本就做了這些簡(jiǎn)化邏輯的假設(shè)。

下面的偽代碼，等效于委派生成器中的 RESULT = yield from EXPR 語(yǔ)句（這里針對(duì)的是最簡(jiǎn)單的情況：不支持 .throw(...) 和 .close() 方法，而且只處理 StopIteration 異常）：

_i = iter(EXPR) 
try:
 _y = next(_i)
except StopIteration as _e:
 _r = _e.value
else:
 while 1:
  _s = yield _y
 try:
  _y = _i.send(_s)
 except StopIteration as _e:
  _r = _e.value
  break
RESULT = _r

但是，現(xiàn)實(shí)情況要復(fù)雜一些，因?yàn)橐幚砜蛻?hù)對(duì) throw(...) 和 close() 方法的調(diào)用，而這兩個(gè)方法執(zhí)行的操作必須傳入子生成器。此外，子生成器可能只是純粹的迭代器，不支持 throw(...) 和 close() 方法，因此 yield from 結(jié)構(gòu)的邏輯必須處理這種情況。如果子生成器實(shí)現(xiàn)了這兩個(gè)方法，而在子生成器內(nèi)部，這兩個(gè)方法都會(huì)觸發(fā)異常拋出，這種情況也必須由 yield from 機(jī)制處理。調(diào)用方可能會(huì)無(wú)緣無(wú)故地讓子生成器自己拋出異常，實(shí)現(xiàn) yield from 結(jié)構(gòu)時(shí)也必須處理這種情況。最后，為了優(yōu)化，如果調(diào)用方調(diào)用 next(...) 函數(shù)或 .send(None) 方法，都要轉(zhuǎn)交職責(zé)，在子生成器上調(diào)用next(...) 函數(shù)；僅當(dāng)調(diào)用方發(fā)送的值不是 None 時(shí)，才使用子生成器的 .send(...) 方法。

下面的偽代碼，是考慮了上述情況之后，語(yǔ)句：RESULT = yield from EXPR的等效代碼：

_i = iter(EXPR)
try:
 _y = next(_i)
except StopIteration as _e:
 _r = _e.value
else:
 while 1:
  try:
_s = yield _y
  except GeneratorExit as _e:
try:
 _m = _i.close
except AttributeError:
 pass
else:
 _m()
raise _e
  except BaseException as _e:
_x = sys.exc_info()
try:
 _m = _i.throw
except AttributeError:
 raise _e
else:
 try:
  _y = _m(*_x)
 except StopIteration as _e:
  _r = _e.value
  break
  else:
try:
 if _s is None:
  _y = next(_i)
 else:
  _y = _i.send(_s)
except StopIteration as _e:
 _r = _e.value
 break
RESULT = _r

上面的偽代碼中，會(huì)預(yù)激子生成器。這表明，用于自動(dòng)預(yù)激的裝飾器與 yield from 結(jié)構(gòu)不兼容。

三、greenlet的使用

python中為實(shí)現(xiàn)協(xié)程封裝了一些非常好用的包，首先介紹greenlet的使用。

Greenlet是python的一個(gè)C擴(kuò)展，旨在提供可自行調(diào)度的‘微線(xiàn)程'， 即協(xié)程。generator實(shí)現(xiàn)的協(xié)程在yield value時(shí)只能將value返回給調(diào)用者(caller)。 而在greenlet中，target.switch（value）可以切換到指定的協(xié)程（target）， 然后yield value。greenlet用switch來(lái)表示協(xié)程的切換，從一個(gè)協(xié)程切換到另一個(gè)協(xié)程需要顯式指定。

以下例子：

from greenlet import greenlet
def test1():
 print(12)
 gr2.switch()
 print(34)
def test2():
 print(56)
 gr1.switch()
 print(78)
gr1 = greenlet(test1)
gr2 = greenlet(test2)
gr1.switch()
---------------------------
>>> 12
>>> 56
>>> 34

當(dāng)創(chuàng)建一個(gè)greenlet時(shí)，首先初始化一個(gè)空的棧， switch到這個(gè)棧的時(shí)候，會(huì)運(yùn)行在greenlet構(gòu)造時(shí)傳入的函數(shù)（首先在test1中打印 12）， 如果在這個(gè)函數(shù)（test1）中switch到其他協(xié)程（到了test2 打印34），那么該協(xié)程會(huì)被掛起，等到切換回來(lái)（在test2中切換回來(lái) 打印34）。當(dāng)這個(gè)協(xié)程對(duì)應(yīng)函數(shù)執(zhí)行完畢，那么這個(gè)協(xié)程就變成dead狀態(tài)。

對(duì)于greenlet，最常用的寫(xiě)法是 x = gr.switch(y)。 這句話(huà)的意思是切換到gr，傳入?yún)?shù)y。當(dāng)從其他協(xié)程（不一定是這個(gè)gr）切換回來(lái)的時(shí)候，將值付給x。

import greenlet
def test1(x, y):
 z = gr2.switch(x+y)
 print 'test1 ', z
def test2(u):
 print 'test2 ', u
 gr1.switch(10)
gr1 = greenlet.greenlet(test1)
gr2 = greenlet.greenlet(test2)
print gr1.switch("hello", " world")
---------------------------
>>> 'test2 ' 'hello world'
>>> 'test1 ' 10
>>> None

上面的例子，第12行從main greenlet切換到了gr1，test1第3行切換到了gs2，然后gr1掛起，第8行從gr2切回gr1時(shí)，將值（10）返回值給了 z。

使用greenlet需要注意一下三點(diǎn)：

• 第一：greenlet創(chuàng)生之后，一定要結(jié)束，不能switch出去就不回來(lái)了，否則容易造成內(nèi)存泄露
• 第二：python中每個(gè)線(xiàn)程都有自己的main greenlet及其對(duì)應(yīng)的sub-greenlet ，不能線(xiàn)程之間的greenlet是不能相互切換的
• 第三：不能存在循環(huán)引用，這個(gè)是官方文檔明確說(shuō)明

四、gevent的使用

gevent可以自動(dòng)捕獲I/O耗時(shí)操作，來(lái)自動(dòng)切換協(xié)程任務(wù)。

import gevent
def f1():
 for i in range(5):
  print('run func: f1, index: %s ' % i)
  gevent.sleep(1)
def f2():
 for i in range(5):
  print('run func: f2, index: %s ' % i)
  gevent.sleep(1)
t1 = gevent.spawn(f1)
t2 = gevent.spawn(f2)
gevent.joinall([t1, t2])
------------------------------
>>> run func: f1, index: 0 
>>> run func: f2, index: 0 
>>> run func: f1, index: 1 
>>> run func: f2, index: 1 
>>> run func: f1, index: 2 
>>> run func: f2, index: 2 
>>> run func: f1, index: 3 
>>> run func: f2, index: 3 
>>> run func: f1, index: 4 
>>> run func: f2, index: 4 

由圖中可以看出，f1和f2是交叉打印信息的，因?yàn)樵诖a執(zhí)行的過(guò)程中，我們?nèi)藶槭褂胓event.sleep(0)創(chuàng)建了一個(gè)阻塞，gevent在運(yùn)行到這里時(shí)就會(huì)自動(dòng)切換函數(shù)切換函數(shù)。也可以在執(zhí)行的時(shí)候sleep更長(zhǎng)時(shí)間，可以發(fā)現(xiàn)兩個(gè)函數(shù)基本是同時(shí)運(yùn)行然后各自等待。

關(guān)于協(xié)程，首先要充分理解協(xié)程的實(shí)現(xiàn)原理，然后使用現(xiàn)有的輪子greenlet和gevent時(shí)才能更加得心應(yīng)手！

以上就是深入理解python協(xié)程的詳細(xì)內(nèi)容，更多關(guān)于python協(xié)程的資料請(qǐng)關(guān)注本站其它相關(guān)文章！

美國(guó)服務(wù)器租用

版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。