python generator与coroutine

python  generator与coroutine

协程

简单介绍

协程，又称微线程，纤程，英文名Coroutine。
协程是一种用户态的轻量级线程，又称微线程。
协程拥有自己的寄存器上下文和栈，调度切换时，将寄存器上下文和栈保存到其他地方，在切回来的时候，恢复先前保存的寄存器上下文和栈。因此：协程能保留上一次调用时的状态（即所有局部状态的一个特定组合），每次过程重入时就相当于进入上一次调用的状态，换种说法：进入上一次离开时所处逻辑流的位置。

优缺点

优点：
1.无需线程上下文切换的开销
2.无需原子操作锁定及同步的开销
3.方便切换控制流，简化编程模型
4.高并发+高扩展性+低成本：一个CPU支持上万的协程都不是问题。所以很适合用于高并发处理。
所谓原子操作是指不会被线程调度机制打断的操作；这种操作一旦开始，就一直运行到结束，中间不会有任何 context switch （切换到另一个线程）。
原子操作可以是一个步骤，也可以是多个操作步骤，但是其顺序是不可以被打乱，或者切割掉只执行部分。视作整体是原子性的核心。

缺点：
1.无法利用多核资源：协程的本质是个单线程,它不能同时将 单个CPU 的多个核用上,协程需要和进程配合才能运行在多CPU上.当然我们日常所编写的绝大部分应用都没有这个必要，除非是cpu密集型应用。
但是多进程+协程，可以充分利用多核，又充分发挥协程的高效率，可获得极高的性能。
2.进行阻塞（Blocking）操作（如IO时）会阻塞掉整个程序。

协程可以用在哪些场景呢

可以归纳为非阻塞等待的场景，如游戏编程，异步IO，事件驱动。

协程详解

Python对协程的支持是通过generator（生成器）实现的。

要理解生成器，我们先要理解迭代器。什么是迭代器？

在python中一个可以迭代的数据调用iter方法，就可以得到一个迭代器，这个迭代器一定具有next方法，在调用这个迭代器的next方法时，迭代器就回返回它的下一个值，当迭代器中没有值可以返回了，就回抛出一个名为StopIteration的异常，停止迭代。

什么是生成器？

 生成器是一个特殊的程序，可以被用作控制循环的迭代行为，python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。
 生成器是个比较特殊的可迭代对象，它与其他的可迭代对象不太一样的地方，其他的可迭代对象需要调用iter方法，返回个迭代器对象，然后通过迭代器对象去执行next方法，获取迭代器中的值，但是生成器直接可以被迭代，无需执行iter方法。

至少我们现在要明白

1.带有 yield 的函数不再是一个普通函数，而是一个生成器generator.
2.生成器是可以迭代的，使用next()方法.
3.生成器(generator)能够迭代的关键是它有一个next()方法，工作原理就是通过重复调用next()方法，直到捕获一个异常。

4.协程是通过生成器的实现的
5.协程有四个状态，如下：
•'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。

第一个示例程序

test为生成器，即可以迭代，我们可以使用next方法迭代。

第11行创建生成器test，在python的函数（function）定义中，只要出现了yield表达式（Yield expression），那么事实上定义的是一个generator function， 调用这个generator function返回值是一个generator。

第12行打印生成器。

第14行我们可以了生成器的状态，结果为：GEN_CREATED。

第15行第一次执行next方法,send和next操作都是调用生成器，而第一调用生成器就是启动生成器，启动生成器必须使用next()语句或是send(None)启动生成器，不能使用send发送一个非None的值，例如send(None),程序运行到yield 1,程序在这里暂停执行，并返回1，我们要明白在这里yield有了return的功能，返回了1,而且还暂停了程序。

第16行我们再次打印生成器的状态，结果：GEN_SUSPENDED。

第17行第二次执行next方法，程序运行到yield 2，程序在这里暂停，并返回2。

现在就很清晰了，使用yield可以切出生成器，它还有return的功能，切进生成器可以使用next()方法。

调用生成器的next()，将运行到yield位置，此时暂停执行环境，并返回这条语句yield关键词后面跟随的值。 这是next()的使用方法。

import inspect
def func1():
    yield 1
    print("第一个yield执行完成~")
    yield 2
    print("第二个yield执行完成~")
    yield 3
    print("第三个yield执行完成~")


test = func1()
print(test)

print("还未执行next：",inspect.getgeneratorstate(test))
next(test)
print("第一次执行next：",inspect.getgeneratorstate(test))
next(test)
print("第二次执行next：",inspect.getgeneratorstate(test))
next(test)
print("第三次执行next：",inspect.getgeneratorstate(test))
next(test)
print("第四次执行next：",inspect.getgeneratorstate(test))

运行结果：

<generator object func1 at 0x0000019ABDFABB88>
Traceback (most recent call last):
还未执行next： GEN_CREATED
第一次执行next： GEN_SUSPENDED
第一个yield执行完成~
第二次执行next： GEN_SUSPENDED
第二个yield执行完成~
  File "C:/Pycham/异步编程/test3.py", line 21, in <module>
第三次执行next： GEN_SUSPENDED
第三个yield执行完成~
    next(test)
StopIteration

第二个示例程序

在上面的列子我们使用next()切进了生成器，但是每次切换进生成器，都没有传入参数，接下来将介绍send()方法，send()方法不仅可以切进生成器，而且还可以携带参数。

除了next和send方法，generator还提供了两个实用的方法，throw和close，这两个方法加强了caller对generator的控制。send方法可以传递一个值给generator，throw方法在generator挂起的地方抛出异常，close方法让generator正常结束（之后就不能再调用next send了）。

import sys
def func2(a):
    print('-> Started: a =', a)
    b = yield a
    print('-> Received: b =', b)
    c = yield a + b
    print('-> Received: c =', c)

test = func2(2)
value = next(test)# 协程执行到`b = yield a`处暂停，等待为b赋值,并返回a
print(value)
value = test.send(88)# 协程执行到`c = yield a + b`处暂停，等待为c赋值,并返回a + b
print(value)
try:
    test.send(11)
except StopIteration:
    sys.exit(0)

运行结果：

-> Started: a = 2
2
-> Received: b = 88
90
-> Received: c = 11

第三个示例程序

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 time

def cumtom(name):
    print('%s准备吃包子' %name)
    time.sleep(1)
    while 1:
        count=yield
        print('%s吃到第%d个包子' %(name,count))

def producter():
    next(con1)
    next(con2)
    # con1.__next__()
    # con2.__next__()
    n=1
    while 1:
        time.sleep(1)
        print('已经生产出来%d、%d个包子' %(n,n+1))
        #通过send方法通知
        con1.send(n)
        con2.send(n+1)
        n+=2

#cumtom函数里面有yield，这里传递参数，会创建一个生成器对象，（提前做了预处理）
con1=cumtom('cumtom1')
con2=cumtom('cumtom2')
producter()