并发编程--协程

  协程,又称为微线程,可以理解成可切换的函数,或生成器,协程中始终在单线程中执行,因此没有资源冲突问题,不需要锁机制。以下以菲波那切数列为例,加上自己的一些理解,稍微聊一下这个东西。

斐波那契数列的普通实现

一般的函数只能有一个返回值,return,且return后程序不再执行。如下:

# 斐波那契数列的普通实现
def fib(n):
    res = [0] * n
    index = 0
    a = 0
    b = 1
    while index < n:
        res[index] = b
        a, b = b, a+b  # 交换位置
        index += 1
    return res
# print(fib(5))
"""
fib是一个普通函数,只能在return返回
"""

斐波那契数列yield实现

通过yield实现一个生成器对象,得到该数列。yield生成器每next或__next__()就调用一次,每次调用程序执行到yield时返回,并悬挂;等待下一次next调用。

# 斐波那契的yield实现
def fib_1(n):
    index = 0
    a = 0
    b = 1
    while index < n:
        yield b  # 返回b,每次执行到此处,返回一次,悬挂程序,每调用一次__next__() 执行一次
        a, b = b, a+b
        index += 1

# f = fib_1(5)
# print(f.__next__())
# print(f.__next__())
# print(f.__next__())
# print(f.__next__())
# print(f.__next__())
"""
此时的fib_1是一个生成器对象,程序每次执行到yield b 处就返回一个b,并悬挂程序
等待下一次next的调用,
下一次调用__next__()时, 程序从悬挂处继续执行(执行下面的代码)
继续执行到yield b处, 返回此时的b并悬挂程序,等待下一次的调用,直到满足循环条件,停止迭代
满足条件后,生成器没有数据可取,若继续调用则程序报错
"""

斐波那契数列传参

生成器在执行过程中,可以返回值,同样也可以在执行时给它传参。传参关键字send因此,可以写两个函数,一个yield返回值,一个send给它发送值。

def fib_2(n):
    index = 0
    a = 0
    b = 1
    while index < n:
        c = yield b  # 调用next时悬挂,生成器返回b的同时接收传参,并用c记录先来
        print("-->send:{}".format(c))
        time.sleep(c)
        a, b = b, a+b
        index += 1

# f = fib_2(10)
# print(next(f))

c = yield b 中,b和c不存在赋值关系,yield b 时程序已给出返回值,=也不能理解为赋值此处的等号“=” 相当于一个管道,管道的一端用于返回b(即处理yield b),管道的另一端用于接收send的传参,并用c记录传过来的值,提供给程序后面利用
仅个人理解,不一定对。。。。。。

继续在上面代码中添加:

# while True:
#     f.send(random.randint(1, 3))
"""程序在函数内部和外部两边切换执行,程序首先执行到yield b是,fib_2已返回,切换到函数外部,不再执行fib_2内部代码,而是执行函数外部的while True;直到执行到send时,切换到函数内部,继续执行函数内部的代码,直到执行到函数内部的yield时,又切换到函数外部循环往复。。。。。"""

使用yield实现一个生产者、消费者模型

# 使用yield实现一个生产者、消费者模型
import time
def Consumer():
    r = ‘‘
    while True:
        n = yield r
        if not n:
            return
        print(‘消费<{}>中...‘.format(n))
        time.sleep(1)
        r = ‘200‘

def Producer(c):
    c.send(None)  # 启动生成器,将代码运行至yield这一行,并返回(相当于next调用)
    n = 1
    while n < 6:
        print("生产<{}>中...".format(n))
        time.sleep(1)
        r = c.send(n)  # 给生成器发送值,执行权交给consumer
        print("已消费!status_code:{}\n".format(r))
        n += 1
    c.close()

c = Consumer()  # 得到一个生成器,由于生成器没有调用,因此没有执行
Producer(c)  # 函数调用,执行到send时,启动生成器consumer(相当于next调用)

执行结果:

具体代码如下:

"""
协程,又称为微线程

补充知识点
iterable(可迭代对象), 可用于for循环的对象
itertor(迭代器), 可用于next取值的对象
iterion(迭代)

"""
# 斐波那契数列的普通实现
def fib(n):
    res = [0] * n
    index = 0
    a = 0
    b = 1
    while index < n:
        res[index] = b
        a, b = b, a+b  # 交换位置
        index += 1
    return res
# print(fib(5))
"""
fib是一个普通函数,只能在return返回
"""

# 斐波那契的yield实现
def fib_1(n):
    index = 0
    a = 0
    b = 1
    while index < n:
        yield b  # 返回b,每次执行到此处,返回一次,悬挂程序,每调用一次__next__() 执行一次
        a, b = b, a+b
        index += 1

# f = fib_1(5)
# print(f.__next__())
# print(f.__next__())
# print(f.__next__())
# print(f.__next__())
# print(f.__next__())
"""
此时的fib_1是一个生成器对象,程序每次执行到yield b 处就返回一个b,并悬挂程序
等待下一次next的调用,
下一次调用__next__()时, 程序从悬挂处继续执行(执行下面的代码)
继续执行到yield b处, 返回此时的b并悬挂程序,等待下一次的调用,直到满足循环条件,停止迭代
满足条件后,生成器没有数据可取,若继续调用则程序报错
"""

# 斐波那契数列传参
"""
生成器在执行过程中,可以返回值,同样也可以在执行时给它传参。
传参关键字send
因此,可以写两个函数,一个yield返回值,一个send给它发送值
"""
import time

def fib_2(n):
    index = 0
    a = 0
    b = 1
    while index < n:
        c = yield b  # 调用next时悬挂,生成器返回b的同时接收传参,并用c记录先来
        print("-->send:{}".format(c))
        time.sleep(c)
        a, b = b, a+b
        index += 1

# f = fib_2(10)
# print(next(f))
"""
c = yield b 中,b和c不存在赋值关系,
yield b 时程序已给出返回值,=也不能理解为赋值
此处的等号“=” 相当于一个管道,
管道的一端用于返回b(即处理yield b),
管道的另一端用于接收send的传参,并用c记录传过来的值,提供给程序后面利用

仅个人理解,不一定对。。。。。。
"""

# while True:
#     f.send(random.randint(1, 3))
"""
程序在函数内部和外部两边切换执行,
程序首先执行到yield b是,fib_2已返回,切换到函数外部,
不再执行fib_2内部代码,而是执行函数外部的while True;
直到执行到send时,切换到函数内部,继续执行函数内部的代码,
直到执行到函数内部的yield时,又切换到函数外部
循环往复。。。。。
"""

# 协程理解:可以切换的函数,或生成器
# 协程始终在单线程中执行,因此没有资源冲突问题,不需要锁机制

# 使用yield实现一个生产者、消费者模型
import time
def Consumer():
    r = ‘‘
    while True:
        n = yield r
        if not n:
            return
        print(‘消费<{}>中...‘.format(n))
        time.sleep(1)
        r = ‘200‘

def Producer(c):
    c.send(None)  # 启动生成器,将代码运行至yield这一行,并返回(相当于next调用)
    n = 1
    while n < 6:
        print("生产<{}>中...".format(n))
        time.sleep(1)
        r = c.send(n)  # 给生成器发送值,执行权交给consumer
        print("已消费!status_code:{}\n".format(r))
        n += 1
    c.close()

c = Consumer()  # 得到一个生成器,由于生成器没有调用,因此没有执行
Producer(c)  # 函数调用,执行到send时,启动生成器consumer(相当于next调用)

原文地址:https://www.cnblogs.com/pythoner6833/p/9007496.html

时间: 2024-10-30 06:56:47

并发编程--协程的相关文章

python 并发编程 协程 目录

python 并发编程 协程 协程介绍 python 并发编程 协程 greenlet模块 原文地址:https://www.cnblogs.com/mingerlcm/p/11148935.html

并发编程 - 协程 - 1.协程概念/2.greenlet模块/3.gevent模块/4.gevent实现并发的套接字通信

1.协程并发:切+保存状态单线程下实现并发:协程 切+ 保存状态 yield 遇到io切,提高效率 遇到计算切,并没有提高效率 检测单线程下 IO行为 io阻塞 切 相当于骗操作系统 一直处于计算协程:...单线程下实现并发:根本目标:遇到IO就切,一个线程的整体IO降下来程序用的cpu 时间长,就叫执行效率高效率最高:多个进程 (多个cpu) 每个进程开多个线程 每个线程用到协程 (IO就切)总结协程特点: 1 #并发执行 2 import time 3 4 def producer(): 5

python并发编程&amp;协程

0x01 前导 如何基于单线程来实现并发? 即只用一个主线程(可利用的cpu只有一个)情况下实现并发: 并发的本质:切换+保存状态 cpu正在运行一个任务,会在两种情况下切走去执行其他的任务(切换由操作系统强制控制),一种情况是该任务发生了阻塞,另外一种情况是该任务计算的时间过长 ps:在介绍进程理论时,提及进程的三种执行状态,而线程才是执行单位,所以也可以将上图理解为线程的三种状态 1)其中第二种情况并不能提升效率,只是为了让cpu能够雨露均沾,实现看起来所有任务都被“同时”执行的效果,如果多

并发编程——协程

协程: 基于单线程来实现并发. 协程并不是实际存在的实体,本质上是一个线程的多个部分. 比线程的单位更小--协程,纤程,在一个线程中可以开启很多协程. 在执行程序的过程中,遇到 IO 操作就冻结当前位置的状态,去执行其他任务,在执行其他任务的过程中,会不断地检测上一个冻结的任务是否 IO 结束,如果 IO 结束了,就继续从冻结的位置开始执行. 一个线程不会遇到阻塞--一直在使用CPU. 多个线程--只能有一个线程使用CPU. 协程比线程之间的切换和线程的创建销毁所花费的时间,空间开销要小的多.

python之并发编程—协程

引子 之前我们学习了线程.进程的概念,了解了在操作系统中进程是资源分配的最小单位,线程是CPU调度的最小单位.按道理来说我们已经算是把cpu的利用率提高很多了.但是我们知道无论是创建多进程还是创建多线程来解决问题,都要消耗一定的时间来创建进程.创建线程.以及管理他们之间的切换. 随着我们对于效率的追求不断提高,基于单线程来实现并发又成为一个新的课题,即只用一个主线程(很明显可利用的cpu只有一个)情况下实现并发.这样就可以节省创建线进程所消耗的时间. 为此我们需要先回顾下并发的本质:切换+保存状

并发编程协程(Coroutine)之Gevent

Gevent官网文档地址:http://www.gevent.org/contents.html 基本概念 我们通常所说的协程Coroutine其实是corporate routine的缩写,直接翻译为协同的例程,一般我们都简称为协程. 在linux系统中,线程就是轻量级的进程,而我们通常也把协程称为轻量级的线程即微线程. 进程和协程 下面对比一下进程和协程的相同点和不同点: 相同点:我们都可以把他们看做是一种执行流,执行流可以挂起,并且后面可以在你挂起的地方恢复执行,这实际上都可以看做是con

python 并发编程 协程 gevent模块

一 gevent模块 gevent应用场景: 单线程下,多个任务,io密集型程序 安装 pip3 install gevent Gevent 是一个第三方库,可以轻松通过gevent实现并发同步或异步编程,在gevent中用到的主要模式是Greenlet, 它是以C扩展模块形式接入Python的轻量级协程. Greenlet全部运行在主程序操作系统进程的内部,但它们被协作式地调度. gevent可以检测io,实现遇到io自动切换另外一个任务 #用法 g1=gevent.spawn(func,1,

并发编程 - 协程 - 总结

协程: 单线程下实现并发 并发 = 切换 + 保存状态 1.遇到IO切, 提高效率 2.遇到计算切, 并没有提高效率 1.协程本质: 协程的本质就是在单线程下,由用户自己控制一个任务遇到io阻塞了就切换另外一个任务去执行,以此来提升效率. 为了实现它,我们需要找寻一种可以同时满足以下条件的解决方案: 1. 可以控制多个任务之间的切换,切换之前将任务的状态保存下来,以便重新运行时,可以基于暂停的位置继续执行. 2. 作为1的补充:可以检测io操作,在遇到io操作的情况下才发生切换 2.强调: 1.

第七章|7.3并发编程|协程

1.协程 本节的主题是基于单线程来实现并发,即只用一个主线程(很明显可利用的cpu只有一个)情况下实现并发,为此我们需要先回顾下并发的本质:切换+保存状态 cpu正在运行一个任务,会在两种情况下切走去执行其他的任务(切换由操作系统强制控制),一种情况是该任务发生了阻塞,另外一种情况是该任务计算的时间过长或有一个优先级更高的程序替代了它 ps:在介绍进程理论时,提及进程的三种执行状态,而线程才是执行单位,所以也可以将上图理解为线程的三种状态 一:其中第二种情况并不能提升效率,只是为了让cpu能够雨

python 并发编程 协程 协程介绍

协程:是单线程下的并发,又称微线程,纤程.英文名Coroutine.一句话说明什么是线程:协程是一种用户态的轻量级线程,即协程是由用户程序自己控制调度的 需要强调的是: 1. python的线程属于内核级别的,即由操作系统控制调度(如单线程遇到io或执行时间过长就会被迫交出cpu执行权限,切换其他线程运行) 2. 单线程内开启协程,一旦遇到io,就会从应用程序级别(而非操作系统)控制切换,以此来提升效率(!!!非io操作的切换与效率无关) 对比操作系统控制线程的切换,用户在单线程内控制协程的切换