yield指令，可以暂停一个函数并返回中间结果。使用该指令的函数将保存执行环境，并且在必要时恢复。
生成器比迭代器更加强大也更加复杂，需要花点功夫好好理解贯通。
看下面一段代码：
[python] view
plain copy
- def gen():
- for x in xrange(4):
- tmp = yield x
- if tmp == ‘hello‘:
- print ‘world‘
- else:
- print str(tmp)
只要函数中包含yield关键字，该函数调用就是生成器对象。
[python] view
plain copy
- g=gen()
- print g #<generator object gen at 0x02801760>
- print isinstance(g,types.GeneratorType) #True
我们可以看到，gen()并不是函数调用，而是产生生成器对象。
生成器对象支持几个方法，如gen.next() ,gen.send() ,gen.throw()等。
[python] view
plain copy
- print g.next() # 0
调用生成器的next方法，将运行到yield位置，此时暂停执行环境，并返回yield后的值。所以打印出的是0，暂停执行环境。
[python] view
plain copy
- print g.next() #None 1
再调用next方法，你也许会好奇，为啥打印出两个值，不急，且听我慢慢道来。
上一次调用next,执行到yield 0暂停，再次执行恢复环境，给tmp赋值(注意：这里的tmp的值并不是x的值，而是通过send方法接受的值)，由于我们没有调用send方法，所以
tmp的值为None,此时输出None，并执行到下一次yield x,所以又输出1.
到了这里，next方法我们都懂了，下面看看send方法。
[python] view
plain copy
- print g.send(‘hello‘) #world 2
上一次执行到yield 1后暂停，此时我们send(‘hello‘)，那么程序将收到‘hello‘，并给tmp赋值为’hello‘,此时tmp==‘hello‘为真，所以输出‘world‘,并执行到下一次yield 2,所以又打印出2.（next()等价于send(None)）
当循环结束，将抛出StopIteration停止生成器。
看下面代码：
[python] view
plain copy
- def stop_immediately(name):
- if name == ‘skycrab‘:
- yield ‘okok‘
- else:
- print ‘nono‘
- s=stop_immediately(‘sky‘)
- s.next()
正如你所预料的，打印出’nono‘,由于没有额外的yield，所以将直接抛出StopIteration。
[python] view
plain copy
- nono
- Traceback (most recent call last):
- File "F:\python workspace\Pytest\src\cs.py", line 170, in <module>
- s.next()
- StopIteration
看下面代码，理解throw方法，throw主要是向生成器发送异常。
[python] view
plain copy
- def mygen():
- try:
- yield ‘something‘
- except ValueError:
- yield ‘value error‘
- finally:
- print ‘clean‘ #一定会被执行
- gg=mygen()
- print gg.next() #something
- print gg.throw(ValueError) #value error clean
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对协程的支持还非常有限，用在generator中的yield可以一定程度上实现协程。虽然支持不完全，但已经可以发挥相当大的威力了。
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，生产者生产消息后，直接通过yield跳转到消费者开始执行，待消费者执行完毕后，切换回生产者继续生产，效率极高：
import time
def consumer():
r = ‘‘
while True:
n = yield r
if not n:
return
print(‘[CONSUMER] Consuming %s...‘ % n)
time.sleep(1)
r = ‘200 OK‘
def produce(c):
c.next()
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()
if __name__==‘__main__‘:
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（生成器），把一个consumer传入produce后：
- 首先调用c.next()启动生成器；
- 然后，一旦生产了东西，通过c.send(n)切换到consumer执行；
- consumer通过yield拿到消息，处理，又通过yield把结果传回；
- produce拿到consumer处理的结果，继续生产下一条消息；
- 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。
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。”