手记

Python并发编程之从生成器使用入门协程(七)

大家好,并发编程 进入第七篇。

从今天开始,我们将开始进入Python的难点,那就是协程

为了写明白协程的知识点,我查阅了网上的很多相关资料。发现很难有一个讲得系统,讲得全面的文章,导致我们在学习的时候,往往半知半解,学完还是一脸懵逼。

学习协程的第一门课程,是要认识生成器,有了生成器的基础,才能更好地理解协程

如果你是新手,那么你应该知道迭代器,对生成器应该是比较陌生的吧。没关系,看完这系列文章,你也能从小白成功过渡为Ptyhon高手。

再次提醒
本系列所有的代码均在Python3下编写,也建议大家尽快投入到Python3的怀抱中来。

本文目录


  • 可迭代、迭代器、生成器

  • 如何运行/激活生成器

  • 生成器的执行状态

  • 生成器的异常处理

  • 从生成器过渡到协程:yield

. 可迭代、迭代器、生成器

初学Python的时候,对于这三货真的是傻傻分不清。甚至还认为他们是等价的。

其实,他们是不一样的。

可迭代的对象,很好理解,我们很熟悉的:字符串listdicttupledeque

为了验证我说的,需要借助collections.abc这个模块(Python2没有),使用isinstance()来类别一个对象是否是可迭代的(Iterable),是否是迭代器(Iterator),是否是生成器(Generator)。

import collections
from collections.abc import Iterable, Iterator, Generator

# 字符串
astr = "XiaoMing"
print("字符串:{}".format(astr))
print(isinstance(astr, Iterable))
print(isinstance(astr, Iterator))
print(isinstance(astr, Generator))

# 列表
alist = [21, 23, 32,19]
print("列表:{}".format(alist))
print(isinstance(alist, Iterable))
print(isinstance(alist, Iterator))
print(isinstance(alist, Generator))

# 字典
adict = {"name": "小明", "gender": "男", "age": 18}
print("字典:{}".format(adict))
print(isinstance(adict, Iterable))
print(isinstance(adict, Iterator))
print(isinstance(adict, Generator))

# deque
adeque=collections.deque('abcdefg')
print("deque:{}".format(adeque))
print(isinstance(adeque, Iterable))
print(isinstance(adeque, Iterator))
print(isinstance(adeque, Generator))

输出结果

字符串:XiaoMing
True
False
False

列表:[21, 23, 32, 19]
True
False
False

字典:{'name': '小明', 'gender': '男', 'age': 18}
True
False
False

deque:deque(['a', 'b', 'c', 'd', 'e', 'f', 'g'])
True
False
False

从结果来看,这些可迭代对象都不是迭代器,也不是生成器。它们有一个共同点,就是它们都可以使用for来循环。这一点,大家都知道,我们就不去验证了。

扩展知识:
可迭代对象,是其内部实现了,__iter__ 这个魔术方法。
可以通过,dir()方法来查看是否有__iter__来判断一个变量是否是可迭代的。

接下来是,迭代器
对比可迭代对象,迭代器其实就只是多了一个函数而已。就是__next__(),我们可以不再使用for循环来间断获取元素值。而可以直接使用next()方法来实现。

迭代器,是在可迭代的基础上实现的。要创建一个迭代器,我们首先,得有一个可迭代对象。
现在就来看看,如何创建一个可迭代对象,并以可迭代对象为基础创建一个迭代器。

from collections.abc import Iterable, Iterator, Generator

class MyList(object):  # 定义可迭代对象类

   def __init__(self, num):
       self.end = num  # 上边界

   # 返回一个实现了__iter__和__next__的迭代器类的实例
   def __iter__(self):
       return MyListIterator(self.end)


class MyListIterator(object):  # 定义迭代器类

   def __init__(self, end):
       self.data = end  # 上边界
       self.start = 0

   # 返回该对象的迭代器类的实例;因为自己就是迭代器,所以返回self
   def __iter__(self):
       return self

   # 迭代器类必须实现的方法,若是Python2则是next()函数
   def __next__(self):
       while self.start < self.data:
           self.start += 1
           return self.start - 1
       raise StopIteration


if __name__ == '__main__':
   my_list = MyList(5)  # 得到一个可迭代对象
   print(isinstance(my_list, Iterable))  # True
   print(isinstance(my_list, Iterator))  # False
   # 迭代
   for i in my_list:
       print(i)

   my_iterator = iter(my_list)  # 得到一个迭代器
   print(isinstance(my_iterator, Iterable))  # True
   print(isinstance(my_iterator, Iterator))  # True

   # 迭代
   print(next(my_iterator))
   print(next(my_iterator))
   print(next(my_iterator))
   print(next(my_iterator))
   print(next(my_iterator))

输出

0
1
2
3
4

True
False

True
True

0
1
2
3
4

如果上面的代码太多,也可以看这边,你更能理解。

from collections.abc import Iterator

aStr = 'abcd'  # 创建字符串,它是可迭代对象
aIterator = iter(aStr)  # 通过iter(),将可迭代对象转换为一个迭代器
print(isinstance(aIterator, Iterator))  # True
next(aIterator)  # a
next(aIterator)  # b
next(aIterator)  # c
next(aIterator)  # d

扩展知识:
迭代器,是其内部实现了,__next__ 这个魔术方法。(Python3.x)
可以通过,dir()方法来查看是否有__next__来判断一个变量是否是迭代器的。

接下来,是我们的重点,生成器

生成器的概念在 Python 2.2 中首次出现,之所以引入生成器,是为了实现一个在计算下一个值时不需要浪费空间的结构。

前面我们说,迭代器,是在可迭代的基础上,加了一个next()方法。
而生成器,则是在迭代器的基础上(可以用for循环,可以使用next()),再实现了yield

yield 是什么东西呢,它相当于我们函数里的return。在每次next(),或者for遍历的时候,都会yield这里将新的值返回回去,并在这里阻塞,等待下一次的调用。正是由于这个机制,才使用生成器在Python编程中大放异彩。实现节省内存,实现异步编程。

如何创建一个生成器,主要有如下两种方法

  • 使用列表生成式

# 使用列表生成式,注意不是[],而是()
L = (x * x for x in range(10))
print(isinstance(L, Generator))  # True
  • 实现yield的函数

# 实现了yield的函数
def mygen(n):
   now = 0
   while now < n:
       yield now
       now += 1

if __name__ == '__main__':
   gen = mygen(10)
   print(isinstance(gen, Generator))  # True

可迭代对象和迭代器,是将所有的值都生成存放在内存中,而生成器则是需要元素才临时生成,节省时间,节省空间。

. 如何运行/激活生成器

由于生成器并不是一次生成所有元素,而是一次一次的执行返回,那么如何刺激生成器执行(或者说激活)呢?

激活主要有两个方法

  • 使用next()

  • 使用generator.send(None)

分别看下例子,你就知道了。

def mygen(n):
   now = 0
   while now < n:
       yield now
       now += 1

if __name__ == '__main__':
   gen = mygen(4)

   # 通过交替执行,来说明这两种方法是等价的。
   print(gen.send(None))
   print(next(gen))
   print(gen.send(None))
   print(next(gen))

输出

0
1
2
3

. 生成器的执行状态

生成器在其生命周期中,会有如下四个状态

GEN_CREATED   # 等待开始执行
GEN_RUNNING    # 解释器正在执行(只有在多线程应用中才能看到这个状态)
GEN_SUSPENDED  # 在yield表达式处暂停
GEN_CLOSED     # 执行结束

通过代码来感受一下,为了不增加代码理解难度,GEN_RUNNING这个状态,我就不举例了。有兴趣的同学,可以去尝试一下多线程。若有疑问,可在后台回复我。

from inspect import getgeneratorstate

def mygen(n):
   now = 0
   while now < n:
       yield now
       now += 1

if __name__ == '__main__':
   gen = mygen(2)
   print(getgeneratorstate(gen))

   print(next(gen))
   print(getgeneratorstate(gen))

   print(next(gen))
   gen.close()  # 手动关闭/结束生成器
   print(getgeneratorstate(gen))

输出

GEN_CREATED
0
GEN_SUSPENDED
1
GEN_CLOSED

. 生成器的异常处理

在生成器工作过程中,若生成器不满足生成元素的条件,就/应该 抛出异常(StopIteration)。

通过列表生成式构建的生成器,其内部已经自动帮我们实现了抛出异常这一步。不信我们来看一下。

所以我们在自己定义一个生成器的时候,我们也应该在不满足生成元素条件的时候,抛出异常。
拿上面的代码来修改一下。

def mygen(n):
   now = 0
   while now < n:
       yield now
       now += 1
   raise StopIteration

if __name__ == '__main__':
   gen = mygen(2)
   next(gen)
   next(gen)
   next(gen)

. 从生成器过渡到协程:yield

通过上面的介绍,我们知道生成器为我们引入了暂停函数执行(yield)的功能。当有了暂停的功能之后,人们就想能不能在生成器暂停的时候向其发送一点东西(其实上面也有提及:send(None))。这种向暂停的生成器发送信息的功能通过 PEP 342 进入 Python 2.5 中,并催生了 Python协程的诞生。根据 wikipedia 中的定义

协程是为非抢占式多任务产生子程序的计算机程序组件,协程允许不同入口点在不同位置暂停或开始执行程序。

注意从本质上而言,协程并不属于语言中的概念,而是编程模型上的概念。

协程和线程,有相似点,多个协程之间和线程一样,只会交叉串行执行;也有不同点,线程之间要频繁进行切换,加锁,解锁,从复杂度和效率来看,和协程相比,这确是一个痛点。协程通过使用 yield 暂停生成器,可以将程序的执行流程交给其他的子程序,从而实现不同子程序的之间的交替执行。

下面通过一个简明的演示来看看,如何向生成器中发送消息。

def jumping_range(N):
   index = 0
   while index < N:
       # 通过send()发送的信息将赋值给jump
       jump = yield index
       if jump is None:
           jump = 1
       index += jump

if __name__ == '__main__':
   itr = jumping_range(5)
   print(next(itr))
   print(itr.send(2))
   print(next(itr))
   print(itr.send(-1))

输出。

0
2
3
2

这里解释下为什么这么输出。
重点是jump = yield index这个语句。

分成两部分:

  • yield index 是将index return给外部调用程序。

  • jump = yield 可以接收外部程序通过send()发送的信息,并赋值给jump

以上这些,都是讲协程并发的基础必备知识请一定要亲自去实践并理解它,不然后面的内容,将会变得枯燥无味,晦涩难懂。

下一章,我将讲一个Python3.5新引入的语法:yield from。篇幅也比较多,所以就单独拿出来讲。

原文出处


1人推荐
随时随地看视频
慕课网APP