迭代器--》生成器--》协程的关系与区别

1、迭代器（iterator）

是一个实现了迭代器协议的对象，python的一些内置数据类型（列表，数组，字符串，字典等）都可以通过for语句进行迭代，我们也可以自己创建一个容器，实现了迭代器协议，可以通过for，next方法进行迭代，在迭代的末尾，会引发stopIteration异常。

判断xxx_obj是否可以迭代

在第1步成立的前提下，调用 iter 函数得到 xxx_obj 对象的 __iter__ 方法的返回值

__iter__ 方法的返回值是一个迭代器

如果想要一个对象称为一个 可以迭代的对象，即可以使用for,必须实现 __iter__方法

__iter__ 中必须返回对象的引用【要这个对象有__iter__和__next__方法, 实际上取的__next__的返回值】

迭代器结束，需要抛出一个 StopIteration 异常。

2、生成器（generator）【一种特殊迭代器】

1）是通过yield语句快速生成迭代器，可以不用iter和next方法；

2）yield可以使一个普通函数变成一个生成器，并且相应的next()方法返回是yield后的值。一种更直观的解释是：程序执行到yield时会返回结果并暂停，再次调用next时会从上次暂停的地方继续开始执行。

3）生成器自身有构成一个迭代器，每次迭代时使用一个yield返回的值，一个生成器中可以有多个yield的值

4）创建生成器的方法：

a、()

b、yield　　　　

def create_num(all_num):
    # a = 1
    # b = 1
    a, b = 0, 1
    current_num = 0
    while current_num < all_num:
        yield a              # 如果一个函数中有yield语句，那么这个就不在是函数，而是一个生成器的模板
        a, b = b, a + b
        current_num += 1

if __name__ == ‘__main__‘:
    # 如果在调用create_num的时候，发现这个函数有yield，此时不是调用函数，而是创建一个生成器对象
    obj = create_num(10)
    for num in obj:
        print(num)

5、send使用--启动生成器

def create_num(all_num):
    a, b = 0, 1
    current_num = 0
    while current_num < all_num:
        res = yield a
        print(">>>>ret>>>>", res)
        a, b = b, a + b
        current_num += 1

if __name__ == ‘__main__‘:
    obj = create_num(4)
    # obj.send(None) # send一般不会放到第一次启动生成器，如果非要如此，传递None
    ret = next(obj)
    print(ret)
    ret = obj.send("hhhhh")
    print(ret)
    # send里面的数据,会传递给第5行，当作yield a的结果,然后res保存这个结果..
    # send的结果是下一次调用yield时，yield后面的值
    ret = obj.send(None)
    print(ret)
    ret = obj.send(None)
    print(ret)

6、yield和return区别

yield可以暂停函数执行，且下一次执行时候恢复

3、迭代器和生成器作用

迭代器: 减少内存空间, 能实现循环
生成器: 能让一个函数看上去能暂停执行
都是保证生成数据代码, 不是保存结果

4、多任务-协程(yield执行)

　　a、生成器函数其实就是实现了协程，即使用yield, send(), next()实现协程

　　b、进程占资源最多, 其次线程, 协程占资源最少！

#!/bin/python3
# -*- coding=utf-8 -*-

import time
def task_1():
    while True:
        print("------1-------")
        time.sleep(0.1)
        yield 

def task_2():
    while True:
        print("------2------")
        time.sleep(0.2)
        yield 

def main():
   t1 = task_1()
   t2 = task_2()
   while True:
       next(t1)
       next(t2)
if __name__ == "__main__":
    main()

　　并行: 有两个任务, 但是有四个CPU的核, 一个任务占一个核, 每个都在做

　　并发: 有很多任务, 但是只有两个核, 所以 交替执行

　　4.1、greenlet实现多任务(核心还是yield)

#!/bin/python3
# -*- encoding=utf-8 -*-

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中执行
gr1.switch()

　　4.2、gevent实现协程(更强大,常用)

#!/bin/python3
# -*-encoding=utf-8-*-

import gevent
import time
def f1(n):
    for i in range(n):
        print(gevent.getcurrent(), i)
        gevent.sleep(0.5)
def f2(n):
    for i in range(n):
        print(gevent.getcurrent(), i)
        gevent.sleep(0.5)
def f3(n):
    for i in range(n):
        print(gevent.getcurrent(), i)
        gevent.sleep(0.5)
print("----1-----")
g1 = gevent.spawn(f1, 5)
print("----2-----")
g2 = gevent.spawn(f2, 5)
print("----3-----")
g3 = gevent.spawn(f3, 5)
print("----4-----")
g1.join()
g2.join()
g3.join()

gevent遇到延时操作就切换, 利用了等待耗时的操作, 去做其他的事情

如下: 加入monkey.patch_all()则无须将 time.sleep()改成 gevent.sleep()

#!/bin/python3
# -*-encoding=utf-8-*-

import gevent
from gevent import monkey
import time
monkey.patch_all()
def f1(n):
    for i in range(n):
        print(gevent.getcurrent(), i)
        time.sleep(0.5)
#        gevent.sleep(0.5)

def f2(n):
    for i in range(n):
        print(gevent.getcurrent(), i)
        time.sleep(0.5)
 #       gevent.sleep(0.5)

def f3(n):
    for i in range(n):
        print(gevent.getcurrent(), i)
        time.sleep(0.5)
#        gevent.sleep(0.5)

print("----1-----")
g1 = gevent.spawn(f1, 5)
print("----2-----")
g2 = gevent.spawn(f2, 5)
print("----3-----")
g3 = gevent.spawn(f3, 5)
print("----4-----")
g1.join()
g2.join()
g3.join()

如下: 将需要join的代码, 写成列表, 简洁

#!/bin/python3
# -*-encoding=utf-8-*-

import gevent
from gevent import monkey
import time
monkey.patch_all()
def f1(n):
    for i in range(n):
        print(gevent.getcurrent(), i)
        time.sleep(0.5)
#        gevent.sleep(0.5)

def f2(n):
    for i in range(n):
        print(gevent.getcurrent(), i)
        time.sleep(0.5)
 #       gevent.sleep(0.5)

def f3(n):
    for i in range(n):
        print(gevent.getcurrent(), i)
        time.sleep(0.5)
#        gevent.sleep(0.5)

gevent.joinall([
    gevent.spawn(f1, 5),
    gevent.spawn(f2, 5),
    gevent.spawn(f3, 5)
    ])

　　4.3并发下载器

#!/bin/python3
#-*- encoding=utf-8 -*-

import gevent
import urllib.request
from gevent import monkey
monkey.patch_all()
def downloader(img_name, img_url):
    req = urllib.request.urlopen(img_url)
    img_content = req.read()

    with open("./img/"+ img_name, "wb") as f:
        f.write(img_content)
def main():
    gevent.joinall([
            gevent.spawn(downloader, "1.jpg", ‘https://rpic.douyucdn.cn/asrpic/190417/5440020_3968619_65b10_2_2142.jpg‘),
            gevent.spawn(downloader, ‘2.png‘, "https://rpic.douyucdn.cn/asrpic/190417/594613_2143.png")
        ])
if __name__=="__main__":
    main()

5、进程/线程/协程对比

进程: 耗费资源最多, 进程里一定有一个线程, 默认线程称为主线程。进程是资源分配的单位。(最稳定, 耗费资源最多)
线程: 线程是操作系统调度的单位. 线程切换需要的资源一般, 效率一般 (不考虑GIL情况)
协程: 协程切换任务资源很小, 效率高;
- 特点: 在等待某个资源到来期间, 去执行其他代码....多线程里有很多网络堵塞, 推荐先用协程 !
多进程、多线程根据cpu核数不一样可能是并行的, 但是协程是在一个线程中, 所以是并发的!

原文地址：https://www.cnblogs.com/liugp/p/11074917.html

时间： 2024-11-07 23:05:31

迭代器--》生成器--》协程的关系与区别

迭代器--》生成器--》协程的关系与区别的相关文章

10.迭代器/生成器/协程函数/列表生成器

状态机/迭代器/LINQ/协程

007-迭代器-生成器-协程

【Python】【控制流程】【生成器 | 协程 | 期物 | 任务】对比与联系

浅谈进程、线程和协程三者之间的区别和联系

进程、线程、协程的关系

协程与多线程的区别

进程和线程、协程的区别

并发编程--协程