python enhanced generator － coroutine

　　本文主要介绍python中Enhanced generator即coroutine相关内容，包括基本语法、使用场景、注意事项，以及与其他语言协程实现的异同。

enhanced generator

　　在上文介绍了yield和generator的使用场景和主意事项，只用到了generator的next方法，事实上generator还有更强大的功能。PEP 342为generator增加了一系列方法来使得generator更像一个协程Coroutine。做主要的变化在于早期的yield只能返回值（作为数据的产生者）， 而新增加的send方法能在generator恢复的时候消费一个数值，而去caller（generator的调用着）也可以通过throw在generator挂起的主动抛出异常。

　　首先看看增强版本的yield，语法格式如下：
　　back_data = yield cur_ret

　　这段代码的意思是：当执行到这条语句时，返回cur_ret给调用者；并且当generator通过next()或者send(some_data)方法恢复的时候，将some_data赋值给back_data.For example:

def gen(data):
    print 'before yield', data
    back_data = yield data
    print 'after resume', back_data
    
if __name__ == '__main__':
    g = gen(1)
    print g.next()
    try:
        g.send(0)
    except StopIteration:
        pass

输出：
before yield 1
1
after resume 0

两点需要注意：

（1） next() 等价于 send(None)
（2） 第一次调用时，需要使用next()语句或是send(None)，不能使用send发送一个非None的值，否则会出错的，因为没有Python yield语句来接收这个值。

应用场景

　　当generator可以接受数据（在从挂起状态恢复的时候） 而不仅仅是返回数据时， generator就有了消费数据（push）的能力。下面的例子来自这里:

word_map = {}
def consume_data_from_file(file_name, consumer):
    for line in file(file_name):
        consumer.send(line)

def consume_words(consumer):
    while True:
        line = yield
        for word in (w for w in line.split() if w.strip()):
            consumer.send(word)

def count_words_consumer():
    while True:
        word  = yield
        if word not in word_map:
            word_map[word] = 0
        word_map[word] += 1
    print word_map

if __name__ == '__main__':
    cons = count_words_consumer()
    cons.next()
    cons_inner = consume_words(cons)
    cons_inner.next()
    c = consume_data_from_file('test.txt', cons_inner)
    print word_map

　　上面的代码中，真正的数据消费者是count_words_consumer，最原始的数据生产者是consume_data_from_file，数据的流向是主动从生产者推向消费者。不过上面第22、24行分别调用了两次next，这个可以使用一个decorator封装一下。

def consumer(func):
    def wrapper(*args,**kw):
        gen = func(*args, **kw)
        gen.next()
        return gen
    wrapper.__name__ = func.__name__
    wrapper.__dict__ = func.__dict__
    wrapper.__doc__  = func.__doc__
    return wrapper

修改后的代码：

def consumer(func):
    def wrapper(*args,**kw):
        gen = func(*args, **kw)
        gen.next()
        return gen
    wrapper.__name__ = func.__name__
    wrapper.__dict__ = func.__dict__
    wrapper.__doc__  = func.__doc__
    return wrapper

word_map = {}
def consume_data_from_file(file_name, consumer):
    for line in file(file_name):
        consumer.send(line)

@consumer
def consume_words(consumer):
    while True:
        line = yield
        for word in (w for w in line.split() if w.strip()):
            consumer.send(word)

@consumer
def count_words_consumer():
    while True:
        word  = yield
        if word not in word_map:
            word_map[word] = 0
        word_map[word] += 1
    print word_map

if __name__ == '__main__':
    cons = count_words_consumer()
    cons_inner = consume_words(cons)
    c = consume_data_from_file('test.txt', cons_inner)
    print word_map

generator throw

　　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）。下面详细介绍一下throw方法。

throw(type[, value[, traceback]])
　　在generator yield的地方抛出type类型的异常，并且返回下一个被yield的值。如果type类型的异常没有被捕获，那么会被传给caller。另外，如果generator不能yield新的值，那么向caller抛出StopIteration异常

@consumer
def gen_throw():
    value = yield 
    try:
        yield value
    except Exception, e:
        yield str(e) # 如果注释掉这行，那么会抛出StopIteration

if __name__ == '__main__':
    g = gen_throw()
    assert g.send(5) == 5
    assert g.throw(Exception, 'throw Exception') == 'throw Exception'

　　第一次调用send，代码返回value（5）之后在第5行挂起， 然后generator throw之后会被第6行catch住。如果第7行没有重新yield，那么会重新抛出StopIteration异常。

　

注意事项

　　如果一个生成器已经通过send开始执行，那么在其再次yield之前，是不能从其他生成器再次调度到该生成器

@consumer
def funcA():
    while True:
        data = yield
        print 'funcA recevie', data
        fb.send(data * 2)

@consumer
def funcB():
    while True:
        data = yield
        print 'funcB recevie', data
        fa.send(data * 2)

fa = funcA()
fb = funcB()
if __name__ == '__main__':
    fa.send(10)

输出：

funcA recevie 10
funcB recevie 20
ValueError: generator already executing

Generator 与 Coroutine

　　回到Coroutine，可参见维基百科解释（https://en.wikipedia.org/wiki/Coroutine#Implementations_for_Python），而我自己的理解比较简单（或者片面）：程序员可控制的并发流程，不管是进程还是线程，其切换都是操作系统在调度，而对于协程，程序员可以控制什么时候切换出去，什么时候切换回来。协程比进程 线程轻量级很多，较少了上下文切换的开销。另外，由于是程序员控制调度，一定程度上也能避免一个任务被中途中断.。协程可以用在哪些场景呢，我觉得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。

　　Python中，generator的send和throw方法使得generator很像一个协程（coroutine）, 但是generator只是一个半协程（semicoroutines），python doc是这样描述的：

　　“All of this makes generator functions quite similar to coroutines; they yield multiple times, they have more than one entry point and their execution can be suspended. The only difference is that a generator function cannot control where should the execution continue after it yields; the control is always transferred to the generator’s caller.”

　　尽管如此，利用enhanced generator也能实现更强大的功能。比如上文中提到的yield_dec的例子，只能被动的等待时间到达之后继续执行。在某些情况下比如触发了某个事件，我们希望立即恢复执行流程，而且我们也关心具体是什么事件，这个时候就需要在generator send了。另外一种情形，我们需要终止这个执行流程，那么刻意调用close，同时在代码里面做一些处理，伪代码如下：

@yield_dec
def do(a):
    print 'do', a
    try：
        event ＝ yield 5
        print 'post_do', a， event
    finally：
        print 'do sth'

 　　至于之前提到的另一个例子，服务（进程）之间的异步调用，也是非常适合实用协程的例子。callback的方式会割裂代码，把一段逻辑分散到多个函数，协程的方式会好很多，至少对于代码阅读而言。其他语言，比如C＃、Go语言，协程都是标准实现，特别对于go语言，协程是高并发的基石。在python3.x中，通过asyncio和asyncawait也增加了对协程的支持。在笔者所使用的2.7环境下，也可以使用greenlet，之后会有博文介绍。

References：

https://www.python.org/dev/peps/pep-0342/
http://www.dabeaz.com/coroutines/
https://en.wikipedia.org/wiki/Coroutine#Implementations_for_Python