一、协程

参考廖雪峰协程

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:

  1. def A():
  2. print('1')
  3. print('2')
  4. print('3')
  5. def B():
  6. print('x')
  7. print('y')
  8. 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:

  1. 1
  2. 2
  3. x
  4. y
  5. 3
  6. z

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对协程的支持是通过generator实现的。
在generator中,我们不但可以通过for循环来迭代,还可以不断调用next()函数获取由yield语句返回的下一个值。
但是Python的yield不但可以返回一个值,它还可以接收调用者发出的参数。
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:

  1. def consumer():
  2. r = ''
  3. while True:
  4. n = yield r
  5. if not n:
  6. return
  7. print('[CONSUMER] Consuming %s...' % n)
  8. r = '200 OK'
  9. def produce(c):
  10. c.send(None)
  11. n = 0
  12. while n < 5:
  13. n = n + 1
  14. print('[PRODUCER] Producing %s...' % n)
  15. r = c.send(n)
  16. print('[PRODUCER] Consumer return: %s' % r)
  17. c.close()
  18. c = consumer()
  19. produce(c)
  20. # output 将comsumer中的n改成其他任何变量名都见效
  21. [PRODUCER] Producing 1...
  22. [CONSUMER] Consuming 1...
  23. [PRODUCER] Consumer return: 200 OK
  24. [PRODUCER] Producing 2...
  25. [CONSUMER] Consuming 2...
  26. [PRODUCER] Consumer return: 200 OK
  27. [PRODUCER] Producing 3...
  28. [CONSUMER] Consuming 3...
  29. [PRODUCER] Consumer return: 200 OK
  30. [PRODUCER] Producing 4...
  31. [CONSUMER] Consuming 4...
  32. [PRODUCER] Consumer return: 200 OK
  33. [PRODUCER] Producing 5...
  34. [CONSUMER] Consuming 5...
  35. [PRODUCER] Consumer return: 200 OK

执行结果:
注意到consumer函数是一个generator,把一个consumer传入produce后:

  1. 首先调用c.send(None)启动生成器;
  2. 然后,一旦生产了东西,通过c.send(n)切换到consumer执行;
  3. consumer通过yield拿到消息,处理,又通过yield把结果传回;
  4. produce拿到consumer处理的结果,继续生产下一条消息;
  5. produce决定不生产了,通过c.close()关闭consumer,整个过程结束。

整个流程无锁,由一个线程执行,produceconsumer协作完成任务,所以称为“协程”,而非线程的抢占式多任务。
最后套用Donald Knuth的一句话总结协程的特点:
“子程序就是协程的一种特例。”

迭代器

判断是否是可迭代的对象

通过python的标准库collections中的Iterable判断,即是否可以通过for循环取值
image.png
想要一个类可迭代,必须有iter返回一个迭代器,迭代器中则必须有iter 和 next 返回的即是next的返回值。

image.png

output:老王 王二 张三。raise StopIteration报一个异常则不会再进行返回none的循环。

生成器

生成器是一种特殊的迭代器,列表返回的一堆占用空间的值,而生成器返回的是一个生成列表的方式。
将列表的中括号换成小括号

image.png
一个斐波那契数列,yield先返回 再暂停,在下次调用的时候从yield之后的代码开始执行。
image.png
可以用next(函数名/类)调用。一般用于第一次调用。
image.png
通过 xx = yield a
可以send传值给xx
image.png

运用

使两个任务交替执行
image.png

更简单:greenlet

不需要使用yield,尽管写普通函数就可以
image.png

更更简单:gevent

只要遇到耗时,则利用这些时间去做其他的任务。
image.png
耗时不用time.sleep,而用gevent.sleep
gevent.getcurrent() 获取调度函数名
.join()执行
也可以gevent.joinall([…,…,…,])…是不同的对象
image.png
image.png
image.png