Python快速学习第十二天--生成器和协程-白红宇

Python快速学习第十二天--生成器和协程

阅读量：4179 次

发布时间：2019-05-26

本文共 3694 字，大约阅读时间需要 12 分钟。

yield指令，可以暂停一个函数并返回中间结果。使用该指令的函数将保存执行环境，并且在必要时恢复。

生成器比迭代器更加强大也更加复杂，需要花点功夫好好理解贯通。

看下面一段代码：

[python]
 def gen():  
     for x in xrange(4):  
         tmp = yield x  
         if tmp == 'hello':  
             print 'world'  
         else:  
             print str(tmp)  

只要函数中包含yield关键字，该函数调用就是生成器对象。

[python]
 g=gen()  
 print g   #<generator object gen at 0x02801760>  
 print isinstance(g,types.GeneratorType) #True  

我们可以看到，gen()并不是函数调用，而是产生生成器对象。

生成器对象支持几个方法，如gen.next() ,gen.send() ,gen.throw()等。

[python]
 print g.next() # 0  

调用生成器的next方法，将运行到yield位置，此时暂停执行环境，并返回yield后的值。所以打印出的是0，暂停执行环境。

[python]
 print g.next() #None  1  

再调用next方法，你也许会好奇，为啥打印出两个值，不急，且听我慢慢道来。

上一次调用next,执行到yield 0暂停，再次执行恢复环境，给tmp赋值(注意：这里的tmp的值并不是x的值，而是通过send方法接受的值)，由于我们没有调用send方法，所以

tmp的值为None,此时输出None，并执行到下一次yield x,所以又输出1.

到了这里，next方法我们都懂了，下面看看send方法。

[python]
 print g.send('hello') #world  2  

上一次执行到yield 1后暂停，此时我们send('hello')，那么程序将收到‘hello'，并给tmp赋值为’hello',此时tmp=='hello'为真，所以输出'world',并执行到下一次yield 2,所以又打印出2.（next()等价于send(None)）

当循环结束，将抛出StopIteration停止生成器。

看下面代码：

[python]
 def stop_immediately(name):  
     if name == 'skycrab':  
         yield 'okok'  
     else:  
         print 'nono'  
   
 s=stop_immediately('sky')  
 s.next()  

正如你所预料的，打印出’nono',由于没有额外的yield，所以将直接抛出StopIteration。

[python]
 nono  
 Traceback (most recent call last):  
   File "F:\python workspace\Pytest\src\cs.py", line 170, in <module>  
     s.next()  
 StopIteration  

看下面代码，理解throw方法，throw主要是向生成器发送异常。

[python]
 def mygen():  
     try:  
         yield 'something'  
     except ValueError:  
         yield 'value error'  
     finally:  
         print 'clean'  #一定会被执行  
 gg=mygen()  
 print gg.next() #something  
 print gg.throw(ValueError) #value error  clean  

协程

协程，又称微线程，纤程。英文名Coroutine。

协程的概念很早就提出来了，但直到最近几年才在某些语言（如Lua）中得到广泛应用。

子程序，或者称为函数，在所有语言中都是层级调用，比如A调用B，B在执行过程中又调用了C，C执行完毕返回，B执行完毕返回，最后是A执行完毕。

所以子程序调用是通过栈实现的，一个线程就是执行一个子程序。

子程序调用总是一个入口，一次返回，调用顺序是明确的。而协程的调用和子程序不同。

协程看上去也是子程序，但执行过程中，在子程序内部可中断，然后转而执行别的子程序，在适当的时候再返回来接着执行。

注意，在一个子程序中中断，去执行其他子程序，不是函数调用，有点类似CPU的中断。比如子程序A、B：

def A():    print '1'    print '2'    print '3'def B():    print 'x'    print 'y'    print 'z'

假设由协程执行，在执行A的过程中，可以随时中断，去执行B，B也可能在执行过程中中断再去执行A，结果可能是：

12xy3z

但是在A中是没有调用B的，所以协程的调用比函数调用理解起来要难一些。

看起来A、B的执行有点像多线程，但协程的特点在于是一个线程执行，那和多线程比，协程有何优势？

最大的优势就是协程极高的执行效率。因为子程序切换不是线程切换，而是由程序自身控制，因此，没有线程切换的开销，和多线程比，线程数量越多，协程的性能优势就越明显。

第二大优势就是不需要多线程的锁机制，因为只有一个线程，也不存在同时写变量冲突，在协程中控制共享资源不加锁，只需要判断状态就好了，所以执行效率比多线程高很多。

因为协程是一个线程执行，那怎么利用多核CPU呢？最简单的方法是多进程+协程，既充分利用多核，又充分发挥协程的高效率，可获得极高的性能。

Python对协程的支持还非常有限，用在generator中的yield可以一定程度上实现协程。虽然支持不完全，但已经可以发挥相当大的威力了。

来看例子：

传统的生产者-消费者模型是一个线程写消息，一个线程取消息，通过锁机制控制队列和等待，但一不小心就可能死锁。

如果改用协程，生产者生产消息后，直接通过yield跳转到消费者开始执行，待消费者执行完毕后，切换回生产者继续生产，效率极高：

import timedef consumer():    r = ''    while True:        n = yield r        if not n:            return        print('[CONSUMER] Consuming %s...' % n)        time.sleep(1)        r = '200 OK'def produce(c):    c.next()    n = 0    while n < 5:        n = n + 1        print('[PRODUCER] Producing %s...' % n)        r = c.send(n)        print('[PRODUCER] Consumer return: %s' % r)    c.close()if __name__=='__main__':    c = consumer()    produce(c)

执行结果：

[PRODUCER] Producing 1...[CONSUMER] Consuming 1...[PRODUCER] Consumer return: 200 OK[PRODUCER] Producing 2...[CONSUMER] Consuming 2...[PRODUCER] Consumer return: 200 OK[PRODUCER] Producing 3...[CONSUMER] Consuming 3...[PRODUCER] Consumer return: 200 OK[PRODUCER] Producing 4...[CONSUMER] Consuming 4...[PRODUCER] Consumer return: 200 OK[PRODUCER] Producing 5...[CONSUMER] Consuming 5...[PRODUCER] Consumer return: 200 OK

注意到consumer函数是一个generator（生成器），把一个consumer传入produce后：