Python学习--协程

协程,又称微线程,纤程。英文名Coroutine。

协程的概念很早就提出来了,但直到最近几年才在某些语言(如Lua)中得到广泛应用。

子程序,或者称为函数,在所有语言中都是层级调用,比如A调用B,B在执行过程中又调用了C,C执行完毕返回,B执行完毕返回,最后是A执行完毕。

所以子程序调用是通过栈实现的,一个线程就是执行一个子程序。

子程序调用总是一个入口,一次返回,调用顺序是明确的。而协程的调用和子程序不同。

协程看上去也是子程序,但执行过程中,在子程序内部可中断,然后转而执行别的子程序,在适当的时候再返回来接着执行。

注意,在一个子程序中中断,去执行其他子程序,不是函数调用,有点类似CPU的中断。比如子程序A、B:

def A():
    print('1')
    print('2')
    print('3')

def B():
    print('x')
    print('y')
    print('z')

假设由协程执行,在执行A的过程中,可以随时中断,去执行B,B也可能在执行过程中中断再去执行A,结果可能是:

1
2
x
y
3
z

但是在A中是没有调用B的,所以协程的调用比函数调用理解起来要难一些。

看起来A、B的执行有点像多线程,但协程的特点在于是一个线程执行,那和多线程比,协程有何优势?

最大的优势就是协程极高的执行效率。因为子程序切换不是线程切换,而是由程序自身控制,因此,没有线程切换的开销,和多线程比,线程数量越多,协程的性能优势就越明显。

第二大优势就是不需要多线程的锁机制,因为只有一个线程,也不存在同时写变量冲突,在协程中控制共享资源不加锁,只需要判断状态就好了,所以执行效率比多线程高很多

因为协程是一个线程执行,那怎么利用多核CPU呢?最简单的方法是多进程+协程,既充分利用多核,又充分发挥协程的高效率,可获得极高的性能。

Python对协程的支持是通过generator实现的。

(我说怎么会下次执行的时候还从上次的yield位置继续执行,原来是协程)

在generator中,我们不但可以通过for循环来迭代,还可以不断通过next()函数获取由yield语句返回的下一个值。

但是Python的yield不但可以返回一个值,它还可以接收调用者发出的参数。

来看例子:

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,生产者生成消息后,直接通过yield跳转到消费者开始执行,待消费者执行完毕后,切换会生产者继续生产,效率极高:

def consumer():
	r = ''
	while True:
		n = yield r
		if not n:
			return
		print('[CONSUMER] Consuming %s...' % n)
		r = '200 OK'
	
def produce(c):
	c.send(None)
	n = 0
	while n < 5:
		n = n + 1
		print('[PRODUCER] Producing %s...' % n)
        r = c.send(n)
        print('[PRODUCER] Consumer return: %s' % r)
    c.close()

c = consumer()
produce(c)

执行结果:

[PRODUCER] Producing 1...
[CONSUMER] Consuming 1...
[PRODUCER] Consumer return: 200 OK
[PRODUCER] Producing 2...
[CONSUMER] Consuming 2...
[PRODUCER] Consumer return: 200 OK
[PRODUCER] Producing 3...
[CONSUMER] Consuming 3...
[PRODUCER] Consumer return: 200 OK
[PRODUCER] Producing 4...
[CONSUMER] Consuming 4...
[PRODUCER] Consumer return: 200 OK
[PRODUCER] Producing 5...
[CONSUMER] Consuming 5...
[PRODUCER] Consumer return: 200 OK

注意到consumer函数是一个generator,把一个consumer传入produce后:

  1. 首先调用c.send(None)启动生成器;
  2. 然后,一旦生产了东西,通过c.send(n)切换到consumer执行;
  3. consumer通过yield拿到消息,处理,又通过yield把结果传回;
  4. produce拿到consumer处理的结果,继续生成下一条消息;
  5. produce决定不生产了,通过c.close()关闭consumer,整个过程结束。

整个流程无锁,由一个线程执行,produce和consumer协作完成任务,所以称为“协程”,而非线程的抢占式多任务。

(这就是生成器的作用)

最后套用Donald Knuth的一句话总结协程的特点:

“子程序就是协程的一种特例。”

### Python 协程学习教程与最佳实践 #### 1. 基础概念 协程(Coroutine)是一种特殊的函数,它可以在执行过程中暂停并保存当前状态,在稍后的时间点恢复执行。这种特性使得协程常适合用于I/O密集型任务中的并发操作[^3]。 #### 2. 使用 `async` 和 `await` 关键字 自Python 3.5起引入了新的语法糖——`async/await`,简化了编写异步代码的方式。当定义一个方法时加上`async`修饰符,则该方法会返回一个coroutine对象;而在调用其他coroutine时可以使用`await`等待其完成后再继续向下执行[^4]。 ```python import asyncio async def fetch_data(): print(&#39;Start fetching&#39;) await asyncio.sleep(2) # Simulate network delay print(&#39;Done fetching&#39;) return {&#39;data&#39;: 1} async def main(): result = await fetch_data() print(result) # Run the event loop to execute coroutines if __name__ == &#39;__main__&#39;: asyncio.run(main()) ``` #### 3. 并发执行多个协程 为了提高效率,通常希望同时运行多个协程而不是依次顺序执行它们。可以通过`gather()`或`as_completed()`等API轻松实现这一点[^5]。 ```python async def task(name, duration): print(f"{name} started") await asyncio.sleep(duration) print(f"{name} finished") async def run_tasks_concurrently(): tasks = [ task("Task A", random.randint(1, 3)), task("Task B", random.randint(1, 3)) ] results = await asyncio.gather(*tasks) print(results) # Execute concurrent tasks if __name__ == "__main__": import random asyncio.run(run_tasks_concurrently()) ``` #### 4. 错误处理机制 在实际应用中不可避免地会出现异常情况,因此了解如何捕获和处理这些错误常重要。对于单个协程而言可以直接在其内部加入try-except语句;而对于由多个子协程组成的复杂场景来说,则建议利用`shield()`保护重要部分不受取消信号影响,并通过回调函数监听整个流程的状态变化[^1]。 ```python from functools import partial async def risky_operation(): try: raise ValueError("Something went wrong!") except Exception as e: logging.error(e) async def safe_wrapper(coro, callback=None): try: await coro finally: if callable(callback): callback() def log_completion(task_name): print(f&#39;{task_name}: Completed&#39;) async def manage_operations(): wrapped_risky_op = partial(safe_wrapper, risky_operation(), lambda:log_completion(&#39;Risky Operation&#39;)) await wrapped_risky_op() # Handle exceptions within coroutines if __name__ == &#39;__main__&#39;: import logging logging.basicConfig(level=logging.ERROR) asyncio.run(manage_operations()) ``` #### 5. 集成第三方库进行高效开发 除了标准库外还有很多优秀的开源项目可以帮助开发者快速构建高效的异步应用程序。比如`aiohttp`可用于HTTP客户端和服务端开发;而像`aiomysql`这样的数据库驱动则让数据访问变得更加简单快捷。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值