python協程的前世此生

在上一篇對python併發編程的理解 中，我簡單提到了協程的概念，有一個錯誤須要指出的是，asyncio不全是對協程的實現，只是用到了協程。

協程的歷史說來話長，要從生成器開始講起。

若是你看過我以前的文章python奇遇記：迭代器和生成器 ，對生成器的概念應該很瞭解。生成器節省內存，用的時候才生成結果。

# 生成器表達式
a = (x*x for x in range(10))

# next生成值
next(a()) # 輸出0
next(a()) # 輸出1
next(a()) # 輸出4

與生成器產出數據不一樣的是，協程在產出數據的同時還能夠接收數據，具體來講就是把yield 放在了表達式的右邊。咱們可使用.send() 把數據發送給協程函數。

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

w = writer()
# 本質仍是生成器
>>> w
<generator object writer at 0x000002595BC57468>
# 首先要用next()把協程激活
>>> next(w)
-> coroutine started
# 發送數據
>>> w.send(1)
1
# send到第八次以後會拋出異常
# 由於協程已經結束了
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)

第一步必須使用next() 激活協程函數，這樣才能在下一步使用.send() 發送數據。

能夠看到，在第8次接收完數據以後，會產生結束的異常，由於程序流程結束了，這是正常現象。加個異常處理便可。若是須要在兩個協程間傳遞數據呢？

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

def writer_wrapper(coro):
    # 激活
    next(coro)
    while True:
        # 異常處理
        try:
            x = yield
            # 發送數據給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)
# 輸出
>> 0
>> 1
>> 2
>> 3

上面的代碼中，數據首先傳遞到writer_wrapper，以後再傳遞到writer 。

data——>writer_wrapper——>writer

能夠這麼寫，不過，又要預先激活，又要加異常，看起來有點麻煩啊。yield from 的出現能夠解決這個問題，一樣是傳遞數據：

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

一行代碼解決問題。

總之，yield from至關於提供了一個通道，使得數據能夠在協程之間流轉 。writer_wrapper2 中使用yield from coro時，coro此時得到控制權，在咱們.send() 數據時，writer_wrapper2 被阻塞，直到writer 打印出結果。

在這個階段，協程本質上仍是由生成器構成的。

but，

即便咱們使用yield from 簡化了流程，協程和生成器的知識理解起來仍是有點懵逼，並且yield from 用在異步編程中有諸多不順（asyncio之前就是用yield from），因而在3.5版本的python中，棄用了yield from ，新加入了兩個關鍵字async 和await ，同時協程再也不是生成器類型，而是原生的協程類型。

如今咱們定義一個協程要像下面這樣：

async def func():
    await 'some code'

不用於異步的協程該怎麼用，我還不知道。因此，協程的介紹到這裏就結束啦。

---

本人才疏學淺，上文中不免有些錯誤，還請各位品評指正。若是以爲寫的還行，歡迎關注個人公衆號MLGroup，講解python和機器學習方面的知識。