浅析python协程相关概念

这篇文章是读者朋友的python协程的学习经验之谈，以下是全部内容：

协程的历史说来话长，要从生成器开始讲起。

如果你看过我之前的文章python奇遇记：迭代器和生成器 ，对生成器的概念应该很了解。生成器节省内存，用的时候才生成结果。

# 生成器表达式
a = (x*x for x in range(10))
# next生成值
next(a()) # 输出0
next(a()) # 输出1
next(a()) # 输出4

与生成器产出数据不同的是，协程在产出数据的同时还可以接收数据，具体来说就是把yield 放在了表达式的右边。我们可以使用.send() 把数据发送给协程函数。

 def writer():
  print('-> coroutine started')
  for i in range(8):
    w = yield
    print(i+w)

w = writer()
# 本质还是生成器
>>> w
<generator object writer at 0x000002595BC57468>
# 首先要用next()把协程激活
>>> next(w)
-> coroutine started
# 发送数据
>>> w.send(1)
1
# send到第八次之后会抛出异常
# 因为协程已经结束了
---------------------------------------------------------------------------
StopIteration               Traceback (most recent call last)

第一步必须使用next() 激活协程函数，这样才能在下一步使用.send() 发送数据。

可以看到，在第8次接收完数据之后，会产生结束的异常，因为程序流程结束了，这是正常现象。加个异常处理即可。如果需要在两个协程间传递数据呢？

def writer():
  while True:
    w = yield
    print('>>', w)

def writer_wrapper(coro):
  # 激活
  next(coro)
  while True:
    # 异常处理
    try:
      x = yield
      # 发送数据给writer
      coro.send(x)
    except StopIteration:
      pass
w = writer()
wrap = writer_wrapper(w)
# 激活
next(wrap)
for i in range(4):
  wrap.send(i)
# 输出
>> 0
>> 1
>> 2
>> 3

上面的代码中，数据首先传递到writer_wrapper，之后再传递到writer 。

data——>writer_wrapper——>writer

可以这么写，不过，又要预先激活，又要加异常，看起来有点麻烦啊。yield from 的出现可以解决这个问题，同样是传递数据：

def writer():
  while True:
    w = yield
    print('>>', w)
def writer_wrapper2(coro):
  yield from coro

一行代码解决问题。

总之，yield from相当于提供了一个通道，使得数据可以在协程之间流转 。writer_wrapper2 中使用yield from coro时，coro此时获得控制权，在我们.send() 数据时，writer_wrapper2 被阻塞，直到writer 打印出结果。

在这个阶段，协程本质上还是由生成器构成的。

即使我们使用yield from 简化了流程，协程和生成器的知识理解起来还是有点懵逼，而且yield from 用在异步编程中有诸多不顺（asyncio以前就是用yield from），于是在3.5版本的python中，弃用了yield from ，新加入了两个关键字async 和await ，同时协程不再是生成器类型，而是原生的协程类型。

现在我们定义一个协程要像下面这样：

async def func():
  await 'some code'

不用于异步的协程该怎么用，我还不知道。所以，协程的介绍到这里就结束啦。感谢你对我们的支持。

您可能感兴趣的文章:

  • Python并发编程协程(Coroutine)之Gevent详解
  • Python协程的用法和例子详解
  • python 生成器协程运算实例
  • Tornado协程在python2.7如何返回值(实现方法)
  • python简单线程和协程学习心得(分享)
  • python并发编程之多进程、多线程、异步和协程详解
  • python线程、进程和协程详解
  • 深入浅析python中的多进程、多线程、协程
  • 简述Python中的进程、线程、协程
  • python协程用法实例分析
  • 简单介绍Python的Tornado框架中的协程异步实现原理
赞 (0)

相关推荐

  • python 生成器协程运算实例

    一.yield运行方式 我们定义一个如下的生成器: def put_on(name): print("Hi {}, 货物来了,准备搬到仓库!".format(name)) while True: goods = yield print("货物[%s]已经被%s搬进仓库了."%(goods,name)) p = put_on("bigberg") #输出 G:\python\install\python.exe G:/python/untitled

  • Tornado协程在python2.7如何返回值(实现方法)

    错误写法 class RemoteHandler(web.RequestHandler): @gen.coroutine def get(self): response = httpclient('http://www.baidu.com') self.write(response.body) @gen.coroutine def httpClient(url): result = yield httpclient.AsyncHTTPClient().fetch(url) return resu

  • python协程用法实例分析

    本文实例讲述了python协程用法.分享给大家供大家参考.具体如下: 把函数编写为一个任务,从而能处理发送给他的一系列输入,这种函数称为协程 def print_matchs(matchtext): print "looking for",matchtext while True: line = (yield) #用 yield语句并以表达式(yield)的形式创建协程 if matchtext in line: print line >>> matcher = pr

  • python并发编程之多进程、多线程、异步和协程详解

    最近学习python并发,于是对多进程.多线程.异步和协程做了个总结. 一.多线程 多线程就是允许一个进程内存在多个控制权,以便让多个函数同时处于激活状态,从而让多个函数的操作同时运行.即使是单CPU的计算机,也可以通过不停地在不同线程的指令间切换,从而造成多线程同时运行的效果. 多线程相当于一个并发(concunrrency)系统.并发系统一般同时执行多个任务.如果多个任务可以共享资源,特别是同时写入某个变量的时候,就需要解决同步的问题,比如多线程火车售票系统:两个指令,一个指令检查票是否卖完

  • Python协程的用法和例子详解

    Python协程的用法和例子详解

    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.可是,在协程中, yield 通常出现在表达式的右边(例如, datum = yield),可以产出值,也可以不产出 -- 如果 yield 关键字后面没有表达式,那么生成器产出 None. 协程可能会从调用方接收数据,不过调用方把数据提供给协程使用的是 .send(datum) 方法,而不是next(-) 函数. ==yield 关键字甚至还可以不接收或传出数据.不管数据如何流动, yield 都是一种流程控制工具,使用

  • python线程、进程和协程详解

    引言 解释器环境:python3.5.1 我们都知道python网络编程的两大必学模块socket和socketserver,其中的socketserver是一个支持IO多路复用和多线程.多进程的模块.一般我们在socketserver服务端代码中都会写这么一句: server = socketserver.ThreadingTCPServer(settings.IP_PORT, MyServer) ThreadingTCPServer这个类是一个支持多线程和TCP协议的socketserver

  • 简单介绍Python的Tornado框架中的协程异步实现原理

    Tornado 4.0 已经发布了很长一段时间了, 新版本广泛的应用了协程(Future)特性. 我们目前已经将 Tornado 升级到最新版本, 而且也大量的使用协程特性. 很长时间没有更新博客, 今天就简单介绍下 Tornado 协程实现原理, Tornado 的协程是基于 Python 的生成器实现的, 所以首先来回顾下生成器. 生成器 Python 的生成器可以保存执行状态 并在下次调用的时候恢复, 通过在函数体内使用 yield 关键字 来创建一个生成器, 通过内置函数 next 或生

  • Python并发编程协程(Coroutine)之Gevent详解

    Python并发编程协程(Coroutine)之Gevent详解

    Gevent官网文档地址:http://www.gevent.org/contents.html 基本概念 我们通常所说的协程Coroutine其实是corporateroutine的缩写,直接翻译为协同的例程,一般我们都简称为协程. 在linux系统中,线程就是轻量级的进程,而我们通常也把协程称为轻量级的线程即微线程. 进程和协程 下面对比一下进程和协程的相同点和不同点: 相同点: 我们都可以把他们看做是一种执行流,执行流可以挂起,并且后面可以在你挂起的地方恢复执行,这实际上都可以看做是con

  • 深入浅析python中的多进程、多线程、协程

    进程与线程的历史 我们都知道计算机是由硬件和软件组成的.硬件中的CPU是计算机的核心,它承担计算机的所有任务. 操作系统是运行在硬件之上的软件,是计算机的管理者,它负责资源的管理和分配.任务的调度. 程序是运行在系统上的具有某种功能的软件,比如说浏览器,音乐播放器等. 每次执行程序的时候,都会完成一定的功能,比如说浏览器帮我们打开网页,为了保证其独立性,就需要一个专门的管理和控制执行程序的数据结构--进程控制块. 进程就是一个程序在一个数据集上的一次动态执行过程. 进程一般由程序.数据集.进程控

  • 简述Python中的进程、线程、协程

    进程.线程和协程之间的关系和区别也困扰我一阵子了,最近有一些心得,写一下. 进程拥有自己独立的堆和栈,既不共享堆,亦不共享栈,进程由操作系统调度. 线程拥有自己独立的栈和共享的堆,共享堆,不共享栈,线程亦由操作系统调度(标准线程是的). 协程和线程一样共享堆,不共享栈,协程由程序员在协程的代码里显示调度. 进程和其他两个的区别还是很明显的. 协程和线程的区别是:协程避免了无意义的调度,由此可以提高性能,但也因此,程序员必须自己承担调度的责任,同时,协程也失去了标准线程使用多CPU的能力. Pyt

  • python简单线程和协程学习心得(分享)

    python中对线程的支持的确不够,不过据说python有足够完备的异步网络框架模块,希望日后能学习到,这里就简单的对python中的线程做个总结 threading库可用来在单独的线程中执行任意的python可调用对象.尽管此模块对线程相关操作的支持不够,但是我们还是能够用简单的线程来处理I/O操作,以减低程序响应时间. from threading import Thread import time def countdown(n): while n > 0: print('T-minus:

随机推荐