Python协程知多少
发布时间：2021-12-12 02:03:46 所属栏目：语言 来源：互联网
导读：从概念上来说，我们都知道多进程和多线程，而协程其实是在单线程中实现多并发。从句法上看，协程与生成器类似，都是定义体中包含yield关键字的函数。区别在于协程的yield通常出现在表达式的右边：datum = yield。这一下就让初学者瞬间觉得yield关键字不香了
|
从概念上来说，我们都知道多进程和多线程，而协程其实是在单线程中实现多并发。从句法上看，协程与生成器类似，都是定义体中包含yield关键字的函数。区别在于协程的yield通常出现在表达式的右边：datum = yield。这一下就让初学者瞬间觉得yield关键字不香了，本来以为yield就是简简单单的暂停执行顺手返回个值，结果还能放右边? 从生成器到协程 先看一个可能是协程最简单的使用示例： >>> def simple_coroutine(): ... print("-> coroutine started") ... x = yield ... print("-> coroutine received:", x) ... >>> my_coro = simple_coroutine() >>> my_coro <generator object simple_coroutine at 0x0000019A681F27B0> >>> next(my_coro) -> coroutine started >>> my_coro.send(42) -> coroutine received: 42 Traceback (most recent call last): File "<input>", line 1, in <module> StopIteration 之所以yield可以放右边，是因为协程可以接收调用方使用.send()推送的值。 yield放在右边以后，它的右边还能再放个表达式，请看下面这个例子： def simple_coro2(a): b = yield a c = yield a + b my_coro2 = simple_coro2(14) next(my_coro2) my_coro2.send(28) my_coro2.send(99) 执行过程是： 调用next(my_coro2)，执行yield a，产出14。 调用my_coro2.send(28)，把28赋值给b，然后执行yield a + b，产出42。 调用my_coro2.send(99)，把99赋值给c，协程终止。 由此得出结论，对于b = yield a这行代码来说，= 右边的代码在赋值之前执行。 在示例中，需要先调用next(my_coro)启动生成器，让程序在yield语句处暂停，然后才可以发送数据。这是因为协程有四种状态： 'GEN_CREATED' 等待开始执行 'GEN_RUNNING' 解释器正在执行 'GEN_SUSPENDED' 在yield表达式处暂停 'GEN_CLOSED' 执行结束 只有在GEN_SUSPENDED状态才能发送数据，提前做的这一步叫做预激，既可以调用next(my_coro)预激，也可以调用my_coro.send(None)预激，效果一样。 预激协程 协程必须预激才能使用，也就是send前，先调用next，让协程处于GEN_SUSPENDED状态。但是这件事经常会忘记。为了避免忘记，可以定义一个预激装饰器，比如： from functools import wraps def coroutine(func): @wraps(func) def primer(*args, **kwargs): gen = func(*args, **kwargs) next(gen) return gen return primer 但实际上Python给出了一个更优雅的方式，叫做yield from，它会自动预激协程。 自定义预激装饰器和yield from是不兼容的。 yield from yield from相当于其他语言中的await关键字，作用是：在生成器gen中使用yield from subgen()时，subgen会获得控制权，把产出的值传给gen的调用方，即调用方可以直接控制subgen。与此同时，gen会阻塞，等待subgen终止。 yield from可以用来简化for循环中的yield： for c in "AB": yield c yield from "AB" yield from x表达式对x做的第一件事就是，调用iter(x)，从中获取迭代器。 但yield from的作用远不止于此，它更重要的作用是打开双向通道。如下图所示： 这个图信息量很大，很难理解。 首先要理解这3个概念：调用方、委派生成器、子生成器。 调用方 说白了就是main函数，也就是众所周知的程序入口main函数。 # the client code, a.k.a. the caller def main(data): # <8> results = {} for key, values in data.items(): group = grouper(results, key) # <9> next(group) # <10> for value in values: group.send(value) # <11> group.send(None) # important! <12> # print(results) # uncomment to debug report(results) 委派生成器 就是包含了yield from语句的函数，也就是协程。 # the delegating generator def grouper(results, key): # <5> while True: # <6> results[key] = yield from averager() # <7> 子生成器 就是yield from语句右边跟着的子协程。 # the subgenerator def averager(): # <1> total = 0.0 count = 0 average = None while True: term = yield # <2> if term is None: # <3> break total += term count += 1 average = total/count return Result(count, average) # <4> 这比术语看着舒服多了。 然后是5条线：send、yield、throw、StopIteration、close。 send 协程在yield from表达式处暂停时，main函数可以通过yield from表达式把数据发给yield from语句右边跟着的子协程。 yield yield from语句右边跟着的子协程再把产出的值通过yield from表达式发给main函数。 throw main函数通过group.send(None)，传入一个None值，让yield from语句右边跟着的子协程的while循环终止，这样控制权才会交回协程，才能继续执行，否则会一直暂在yield from语句暂停。 StopIteration yield from语句右边跟着的生成器函数返回之后，解释器会抛出StopIteration异常。并把返回值附加到异常对象上，此时协程会恢复。 close main函数执行完以后，会调用close()方法退出协程。 大体流程搞清楚了，更多的技术细节就不继续研究了，有时间的话，在以后的Python原理系列中再学习吧。 yield from经常与Python3.4标准库里的@asyncio.coroutine装饰器结合使用。 协程用作累加器 这是协程的常见用途，代码如下： def averager(): total = 0.0 count = 0 average = None while True: # <1> term = yield average # <2> total += term count += 1 average = total/count 协程实现并发 这里例子有点复杂，源码地址是： https://github.com/fluentpython/example-code/blob/master/16-coroutine/taxi_sim.py 核心代码片段是： # BEGIN TAXI_PROCESS def taxi_process(ident, trips, start_time=0): # <1> """Yield to simulator issuing event at each state change""" time = yield Event(start_time, ident, 'leave garage') # <2> for i in range(trips): # <3> time = yield Event(time, ident, 'pick up passenger') # <4> time = yield Event(time, ident, 'drop off passenger') # <5> yield Event(time, ident, 'going home') # <6> # end of taxi process # <7> # END TAXI_PROCESS def main(end_time=DEFAULT_END_TIME, num_taxis=DEFAULT_NUMBER_OF_TAXIS, seed=None): """Initialize random generator, build procs and run simulation""" if seed is not None: random.seed(seed) # get reproducible results taxis = {i: taxi_process(i, (i+1)*2, i*DEPARTURE_INTERVAL) for i in range(num_taxis)} sim = Simulator(taxis) sim.run(end_time) 这个示例说明了如何在一个主循环中处理事件，以及如何通过发送数据驱动协程。这是asyncio包底层的基本思想。使用协程代替线程和回调，实现并发。 （编辑：源码网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
