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。