协程由于由程序主动控制切换，没有线程切换的开销，所以执行效率极高。对于IO密集型任务非常适用，如果是cpu密集型，推荐多进程+协程的方式。

在Python3.4之前，官方没有对协程的支持，存在一些三方库的实现，比如gevent和Tornado。3.4之后就内置了asyncio标准库，官方真正实现了协程这一特性。

而Python对协程的支持，是通过Generator实现的，协程是遵循某些规则的生成器。因此，我们在了解协程之前，我们先要学习生成器。

def test(): print("generator start") n = 1 while True: yield_expression_value = yield n print("yield_expression_value = %d" % yield_expression_value) n += 1# ①创建generator对象generator = test()print(type(generator))print("\n---------------\n")# ②启动generatornext_result = generator.__next__()print("next_result = %d" % next_result)print("\n---------------\n")# ③发送值给yield表达式send_result = generator.send(666)print("send_result = %d" % send_result)

执行结果：

<class 'generator'>---------------generator startnext_result = 1---------------yield_expression_value = 666send_result = 2

私信菜鸟007哦 关注就可以私信了！

理解这个demo的关键是：生成器启动或恢复执行一次，将会在yield处暂停。上面的第②步仅仅执行到了yield n，并没有执行到赋值语句，到了第③步，生成器恢复执行才给yield_expression_value赋值。

生产者和消费者模型

上面的例子中，代码中断-->切换执行，体现出了协程的部分特点。

我们再举一个生产者、消费者的例子，

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。

现在改用协程，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。

def consumer(): print("[CONSUMER] start") r = 'start' while True: n = yield r if not n: print("n is empty") continue print("[CONSUMER] Consumer is consuming %s" % n) r = "200 ok"def producer(c): # 启动generator start_value = c.send(None) print(start_value) n = 0 while n < 3: n += 1 print("[PRODUCER] Producer is producing %d" % n) r = c.send(n) print('[PRODUCER] Consumer return: %s' % r) # 关闭generator c.close()# 创建生成器c = consumer()# 传入generatorproducer(c)

执行结果：

[CONSUMER] startstart[PRODUCER] producer is producing 1[CONSUMER] consumer is consuming 1[PRODUCER] Consumer return: 200 ok[PRODUCER] producer is producing 2[CONSUMER] consumer is consuming 2[PRODUCER] Consumer return: 200 ok[PRODUCER] producer is producing 3[CONSUMER] consumer is consuming 3[PRODUCER] Consumer return: 200 ok

注意到consumer函数是一个generator，把一个consumer传入produce后：

1.首先调用c.send(None)启动生成器；

2.然后，一旦生产了东西，通过c.send(n)切换到consumer执行；

3.consumer通过yield拿到消息，处理，又通过yield把结果传回；

4.produce拿到consumer处理的结果，继续生产下一条消息；

5.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。

yield from表达式

Python3.3版本新增yield from语法，新语法用于将一个生成器部分操作委托给另一个生成器。此外，允许子生成器（即yield from后的“参数”）返回一个值，该值可供委派生成器（即包含yield from的生成器）使用。并且在委派生成器中，可对子生成器进行优化。

我们先来看最简单的应用，例如：

# 子生成器def test(n): i = 0 while i < n: yield i i += 1# 委派生成器def test_yield_from(n): print("test_yield_from start") yield from test(n) print("test_yield_from end")for i in test_yield_from(3): print(i)

输出：

test_yield_from start012test_yield_from end

这里我们仅仅给这个生成器添加了一些打印，如果是正式的代码中，你可以添加正常的执行逻辑。

如果上面的test_yield_from函数中有两个yield from语句，将串行执行。比如将上面的test_yield_from函数改写成这样：

def test_yield_from(n): print("test_yield_from start") yield from test(n) print("test_yield_from doing") yield from test(n) print("test_yield_from end")

将输出：

test_yield_from start012test_yield_from doing012test_yield_from end

在这里，yield from起到的作用相当于下面写法的简写形式

for item in test(n): yield item

看起来这个yield from也没做什么大不了的事，其实它还帮我们处理了异常之类的。具体可以看stackoverflow上的这个问题：In practice, what are the main uses for the new “yield from” syntax in Python 3.3?

协程(Coroutine)

Python3.4开始，新增了asyncio相关的API，语法使用@asyncio.coroutine和yield from实现协程

Python3.5中引入async/await语法，参见PEP492

我们先来看Python3.4的实现。

@asyncio.coroutine

Python3.4中，使用@asyncio.coroutine装饰的函数称为协程。不过没有从语法层面进行严格约束。

对于Python原生支持的协程来说，Python对协程和生成器做了一些区分，便于消除这两个不同但相关的概念的歧义：

标记了@asyncio.coroutine装饰器的函数称为协程函数，iscoroutinefunction()方法返回True

调用协程函数返回的对象称为协程对象，iscoroutine()函数返回True

举个栗子，我们给上面yield from的demo中添加@asyncio.coroutine：

import asyncio...@asyncio.coroutinedef test_yield_from(n): ...# 是否是协程函数print(asyncio.iscoroutinefunction(test_yield_from))# 是否是协程对象print(asyncio.iscoroutine(test_yield_from(3)))

毫无疑问输出结果是True。

可以看下@asyncio.coroutine的源码中查看其做了什么，我将其源码简化下，大致如下：

import functoolsimport typesimport inspectdef coroutine(func): # 判断是否是生成器 if inspect.isgeneratorfunction(func): coro = func else: # 将普通函数变成generator @functools.wraps(func) def coro(*args, **kw): res = func(*args, **kw) res = yield from res return res # 将generator转换成coroutine wrapper = types.coroutine(coro) # For iscoroutinefunction(). wrapper._is_coroutine = True return wrapper

将这个装饰器标记在一个生成器上，就会将其转换成coroutine。

然后，我们来实际使用下@asyncio.coroutine和yield from：

import asyncio@asyncio.coroutinedef compute(x, y): print("Compute %s + %s ..." % (x, y)) yield from asyncio.sleep(1.0) return x + y@asyncio.coroutinedef print_sum(x, y): result = yield from compute(x, y) print("%s + %s = %s" % (x, y, result))loop = asyncio.get_event_loop()print("start")# 中断调用，直到协程执行结束loop.run_until_complete(print_sum(1, 2))print("end")loop.close()

执行结果：

startCompute 1 + 2 ...1 + 2 = 3end

print_sum这个协程中调用了子协程compute，它将等待compute执行结束才返回结果。

这个demo点调用流程如下图：

EventLoop将会把print_sum封装成Task对象

流程图展示了这个demo的控制流程，不过没有展示其全部细节。比如其中“暂停”的1s，实际上创建了一个future对象, 然后通过BaseEventLoop.call_later()在1s后唤醒这个任务。

值得注意的是，@asyncio.coroutine将在Python3.10版本中移除。

async/await

Python3.5开始引入async/await语法（PEP 492），用来简化协程的使用并且便于理解。

async/await实际上只是@asyncio.coroutine和yield from的语法糖：

把@asyncio.coroutine替换为async

把yield from替换为await

即可。

比如上面的例子：

import asyncioasync def compute(x, y): print("Compute %s + %s ..." % (x, y)) await asyncio.sleep(1.0) return x + yasync def print_sum(x, y): result = await compute(x, y) print("%s + %s = %s" % (x, y, result))loop = asyncio.get_event_loop()print("start")loop.run_until_complete(print_sum(1, 2))print("end")loop.close()

我们再来看一个asyncio中Future的例子：

import asynciofuture = asyncio.Future()async def coro1(): print("wait 1 second") await asyncio.sleep(1) print("set_result") future.set_result('data')async def coro2(): result = await future print(result)loop = asyncio.get_event_loop()loop.run_until_complete(asyncio.wait([ coro1() coro2()]))loop.close()

输出结果：

wait 1 second(大约等待1秒)set_resultdata

这里await后面跟随的future对象，协程中yield from或者await后面可以调用future对象，其作用是：暂停协程，直到future执行结束或者返回result或抛出异常。

而在我们的例子中，await future必须要等待future.set_result('data')后才能够结束。将coro2()作为第二个协程可能体现得不够明显，可以将协程的调用改成这样：

loop = asyncio.get_event_loop()loop.run_until_complete(asyncio.wait([ # coro1(), coro2(), coro1()]))loop.close()

输出的结果仍旧与上面相同。

其实，async这个关键字的用法不止能用在函数上，还有async with异步上下文管理器，async for异步迭代器. 对这些感兴趣且觉得有用的可以网上找找资料，这里限于篇幅就不过多展开了。