Python并发实践_02_通过yield实现协程

python中实现并发的方式有很多种，通过多进程并发可以真正利用多核资源，而多线程并发则实现了进程内资源的共享，然而Python中由于GIL的存在，多线程是没有办法真正实现多核资源的。

对于计算密集型程序，应该使用多进程并发充分利用多核资源，而在IO密集型程序中，多核优势并不明显，甚至由于大多数时间都是在IO堵塞状态，多进程的切换消耗反而让程序效率更加低下。

而当需要并发处理IO密集型任务时，就需要用到协程（Coroutine）。协程并没有系统级的调度，而是用户级的调度方式，避免了系统调用的开销，虽然协程最终是串行工作，但是却可以实现非常大的并发量。通过多进程+协程的方式，可以有效均衡多核计算和请求等待。

参考文章：

https://blog.tonyseek.com/post/event-manage-with-greenlet/

producer-consumer

利用yield生成器，可以简单展现协程的工作方式：

import time
def consumer():
    print "Ready to receive"
    while True:
        y = (yield )
        time.sleep(1)
        print "Receive %s from producer”%y
def producer():
    c = consumer()
    c.next()
    i = 1
    while i > 0 and i < 11:
        time.sleep(1)
        print "Send %s to consumer"%i
        c.send(i)
        i += 1
if __name__ == '__main__':
    producer()

上述过程展示了基本的生产者-消费者模型，消费者consumer是一个生成器；

当第一次在producer中调用c.next()时，激活consumer，并且运行到yield时协程（consumer）被挂起，等待生成器被调用next或者send。

producer进行后续操作，并进入一个循环，每次暂停1s后，向生成器send一个消息，消费者yield获取到该消息，并进行后续的工作。

可以看到，每次yield都需要等待send传入的消息之后才会继续执行之后的任务。

通过yield实现协程

现在要来用yield真正创建一个协程了。

可以想象这样一个模型，一个工地里有很多相似的任务（jobs），并且会源源不断产生这些任务，工地里有一个工头（foreman）负责，工头为了分配任务给工人（worker），会制定一套流程（pipeline）来方便管理：分配工人，验收工作（accept），由于工人工作（work）的时间远远大于分配任务的时间，将这些工人的工作（简单枯燥的重复劳动）看成IO操作的话，这就是一个IO密集型的任务。下面看看python是如何通过yield来实现协程完成真个工作的：

 

def main():
    foreman(args_of_overall,worker_num)

def foreman(args_of_overall,worker_num)：
    pipeline = create_pipeline(args_of_pipeline,worker_num)
    for i,job in enumerate(get_jobs(args_of_ceate_jobs)):
        worker_id  = i % worker_num
        pipeline.send((job,worker_id))

@coroutine
def worker(pipeline,accepting,job,my_id):
    while True:
        args_of_job, worker_id = (yield )
        if worker_id == my_id:
            result = work(args_of_job)
            accepting.send(result)
        elif pipeline is not None:
            pipeline.send((job,worker_id))

@coroutine
def accept():
    while True:
        result = (yield )
        #do_some_accepting

def create_pipeline(args_of_pipeline,worker_num):
    pipeline = None
    accepting = accept()
    for work_id in range(work_num):
        pipeline = worker(pipeline,accepting,job,work_id)
    return pipeline

def get_jobs(args_of_ceate_jobs):
    for job in job_source:
        yield job

def coroutine(func):
    def warper(*args):
        f = func(*args)
        f.next()
        return f
    return warper

def work(args_of_job):
    pass
    #do_some_work

if __name__ == '__main__':
    main()

 上述过程中，工人和验收工作都是协程，而get_jobs()函数是一个生成器，当job是动态添加时，就可以改写成一个协程。

上述所有的工作都是串行完成，虽然有很多工人，工人之间的工作是并发的（IO等待时间），但是工作一直是从第一个开始一个一个分配任务。