Python—-多任务—-协程

Python学习之路，点击有全套Python笔记 协程是什么 简单点说协程是进程和线程的升级版,进程和线程都面临着内核态和用户态的切换问题而耗费许多切换时间,而协程就是用户自己控制切换的时机,不再需要陷入系统的内核态. 迭代器 迭代器就是用于迭代操作(for 循环的对象)，它像列表一样可以迭代获取其中的每一个元素，任何实现了__next__方法的对象都可以称为迭代器。 它与列表的区别在于，构建迭代器的时候，不像列表把所有元素一次性加载到内存，而是以一种延迟计算方式返回元素。它并没有把所有元素装在到内存中，而是等到调用next方法的时候才返回元素 生成器 方法一：把列表生成器的[]改成() 方法 在Python编程语言中，协程是一种实现多任务的高效手段，相比传统的进程和线程，协程具有更轻量级的上下文切换机制，能够显著提高程序的性能。本文将深入探讨协程的概念、迭代器以及如何在Python中创建和使用协程。 我们来了解协程的基本概念。协程是一种用户级的并发机制，它允许程序员在执行流程中自由地挂起和恢复执行。在进程和线程中，系统会负责调度，而协程则由程序员自行决定何时切换，这样避免了频繁的上下文切换，降低了系统开销。协程尤其适合于I/O密集型的任务，因为它们可以减少等待I/O操作时的资源浪费。 接下来，我们讨论迭代器。在Python中，迭代器是一个可以记住遍历位置的对象，它实现了`__iter__()`和`__next__()`方法。当对一个对象进行for循环时，Python会检查该对象是否是可迭代的，即是否实现了`__iter__()`方法。如果一个对象实现了`__next__()`方法，那么它就是一个迭代器，可以在每次调用`next()`时返回序列中的下一个元素。与列表等容器类型不同，迭代器通常采用惰性计算的方式，不一次性加载所有元素，而是在需要时按需生成，这样节省了内存并提高了效率。 生成器是Python中实现协程的一种常见方式。生成器函数通过使用`yield`关键字定义，当函数执行到`yield`语句时，它会保存当前的状态并返回一个值，然后暂停执行。之后，可以通过调用`next()`函数或在for循环中使用生成器，从上次暂停的地方继续执行。生成器的一个关键特性是，它可以在执行过程中产生多个值，而不仅仅是返回一个值。在Python3中，生成器还可以使用`return`语句返回一个最终值，但这样会导致生成器结束。 以下是一个简单的生成器示例，展示了如何使用`yield`实现协程： ```python import time def task_1(): while True: print("-----1-----") time.sleep(0.1) yield def task_2(): while True: print("-----2-----") time.sleep(0.1) yield def main(): t1 = task_1() t2 = task_2() while True: next(t1) next(t2) if __name__ == '__main__': main() ``` 在上述代码中，`task_1`和`task_2`是两个生成器函数，它们会在`yield`处暂停并等待下一次唤醒。`main`函数中通过交替调用`next(t1)`和`next(t2)`来交替执行这两个协程任务。 除了使用生成器，还可以借助第三方库如`greenlet`来实现协程。`greenlet`库提供了一种轻量级的协程实现，它允许在同一个线程内并行执行多个任务。例如： ```python from greenlet import greenlet import time def test1(): while True: print("---A--") gr2.switch() time.sleep(0.5) def test2(): while True: print("---B--") gr1.switch() time.sleep(0.5) gr1 = greenlet(test1) gr2 = greenlet(test2) # 切换到gr1中运行 gr1.switch() ``` 在这个例子中，`greenlet`对象`gr1`和`gr2`分别对应`test1`和`test2`函数，通过`switch()`方法在两个函数之间进行切换，实现并发执行。 总结来说，Python中的协程通过用户级的控制实现高效的多任务处理，而生成器和`greenlet`等工具提供了方便的协程实现方式。在处理大量并发任务时，使用协程能够有效降低系统资源消耗，提高程序性能。对于需要处理大量I/O操作或需要高效利用CPU资源的场景，使用协程是明智的选择。