什么是协程
在 Python 中,协程(Coroutine)是一种轻量级的并发编程方式,可以通过协作式多任务来实现高效的并发执行。协程是一种特殊的生成器函数,通过使用 yield 关键字来挂起函数的执行,并保存当前的执行状态。协程的执行可以通过 send 方法来恢复,并在下一次挂起时返回一个值。
在 Python 3.4 之前,协程通常使用 yield 关键字来实现,称为“生成器协程”。在 Python 3.4 引入了 asyncio 模块后,可以使用 async/await 关键字来定义协程函数,称为“原生协程”。
协程相比于线程和进程,具有以下优点:
- 轻量级:协程的上下文切换成本很小,可以在单线程内并发执行大量的协程。
- 低延迟:协程的执行过程中,没有线程切换的开销,也没有加锁解锁的开销,可以更快地响应外部事件。
- 高效性:协程的代码通常比多线程和多进程的代码更加简洁和可读,维护成本更低。
协程的使用场景包括网络编程、异步 I/O、数据流处理、高并发任务等。
生成器协程
在 Python 3 中,生成器协程(Generator Coroutine)是指使用生成器函数来实现的协程。生成器函数是一种特殊的函数,其返回一个生成器对象,可以通过 yield 语句暂停函数的执行,然后在下一次调用生成器对象的 「next」() 方法时继续执行。
下面给出一个简单的生成器协程的示例,其中包含一个生成器函数 coroutine 和一个简单的异步 I/O 操作:
import asynciodef coroutine():print('Coroutine started')while True:result = yieldprint('Coroutine received:', result)async def main():print('Main started')c = coroutine()next(c)c.send('Hello')await asyncio.sleep(1)c.send('World')print('Main finished')asyncio.run(main())
结果输出:
[root@workhost k8s]# python3 test.py
Main started
Coroutine started
Coroutine received: Hello
Coroutine received: World
Main finished
来看一下,上面代码的执行过程:
- main 函数开始执行,打印出 Main started。
- 创建一个生成器对象 c,调用 next© 使其执行到第一个 yield 语句处暂停。
- 使用 c.send(‘Hello’) 恢复生成器函数的执行,并将 ‘Hello’ 作为生成器函数的返回值。
- 在等待1秒钟的过程中,main 函数暂停执行,等待事件循环发起下一次任务。
- 在等待1秒钟后,使用 c.send(‘World’) 继续执行生成器函数,并将 ‘World’ 作为生成器函数的返回值。
- main 函数恢复执行,打印出 Main finished。
在上面的代码中,使用生成器函数 coroutine 实现了一个简单的协程。生成器函数通过使用 yield 语句暂停函数的执行,然后可以通过 send 方法恢复函数的执行,并将值传递给生成器函数。通过这种方式,可以使用生成器函数实现异步并发。在上面的示例中,使用生成器函数接收并打印异步 I/O 操作的结果。
原生协程
Python 3 引入了原生协程(Native Coroutine)作为一种新的协程类型。原生协程是通过使用 async/await 关键字来定义的,与生成器协程不同,它们可以像普通函数一样使用 return 语句返回值,而不是使用 yield 语句。
下面给出一个简单的原生协程示例,其中包含一个 async 关键字修饰的协程函数 coroutine 和一个简单的异步 I/O 操作:
import asyncioasync def coroutine():print('Coroutine started')await asyncio.sleep(1)print('Coroutine finished')async def main():print('Main started')await coroutine()print('Main finished')asyncio.run(main())
结果输出:
[root@workhost k8s]# python3 test.py
Main started
Coroutine started
Coroutine finished
Main finished
继续看一下执行过程:
- main 函数开始执行,打印出 Main started。
- 调用 coroutine 函数,将其作为一个协程对象运行。
- 在 coroutine 函数中,打印出 Coroutine started。
- 在 coroutine 函数中,使用 await asyncio.sleep(1) 暂停函数的执行,等待1秒钟。
- 在1秒钟后,恢复 coroutine 函数的执行,并打印出 Coroutine finished。
- main 函数恢复执行,打印出 Main finished。
在上面的代码中,使用 async 关键字定义了一个原生协程函数 coroutine,并在其中使用 await 关键字来暂停函数的执行,等待异步 I/O 操作的完成。通过这种方式,可以在原生协程中编写异步并发代码,从而提高代码的性能和效率。
两种协程对比
Python 3 中原生协程和生成器协程是两种不同的协程实现方式,它们各自有自己的特点和适用场景。下面,通过对比它们的区别和优缺点,才可以更好地理解它们之间的异同,以便选择适合自己的协程实现方式,从而更好地编写高效、可维护的异步程序。
- 区别:
- 定义方式不同:原生协程使用 async/await 关键字来定义,而生成器协程使用 yield 关键字来定义。
- 返回方式不同:原生协程使用 return 语句来返回结果,而生成器协程使用 yield 语句来返回结果。
- 调用方式不同:原生协程使用 await 关键字来调用,而生成器协程使用 yield from 或 yield 语句来调用。
- 内部实现不同:原生协程通过 asyncio 库来实现,而生成器协程是 Python 语言内置的特性。
- 优缺点:
- 原生协程的优点:
-
- 代码简洁易懂:使用 async/await 关键字,可以编写出更简洁易懂的协程代码。
- 性能更高:原生协程不需要创建生成器对象,也不需要通过 yield 语句来控制函数的执行流程,因此能够更加高效地处理异步操作。
- 支持异步 I/O 和任务处理:原生协程可以支持异步 I/O 操作和并发任务处理,可以在处理异步操作时更加灵活。
- 原生协程的缺点:
-
- 兼容性差:原生协程是 Python 3.5 版本之后才引入的新特性,因此在旧版本的 Python 中无法使用。
- 异常处理不方便:原生协程在处理异常时比较麻烦,需要使用 try/except 语句来处理。
- 生成器协程的优点:
-
- 兼容性好:生成器协程是 Python 2 和 Python 3 都支持的特性。
- 可读性好:生成器协程使用 yield 关键字来实现,代码逻辑清晰易懂。
- 异常处理方便:生成器协程在处理异常时比较方便,可以使用 try/except 语句来处理。
- 生成器协程的缺点:
-
- 性能相对较低:生成器协程需要创建生成器对象,也需要通过 yield 语句来控制函数的执行流程,因此处理异步操作时性能相对较低。
- 功能有限:生成器协程不能像原生协程一样支持异步 I/O 操作和任务处理。
实战案例
接下来,模拟一个场景,假设实现一个异步的批量处理任务的工具,使用原生协程来实现。
看下面代码:
import asyncio
import randomasync def batch_process_task(tasks, batch_size=10):# 将任务列表划分为多个批次for i in range(0, len(tasks), batch_size):batch = tasks[i:i+batch_size]# 使用原生协程来异步处理每个批次的任务await asyncio.gather(*[process_task(task) for task in batch])async def process_task(task):# 模拟任务处理过程await asyncio.sleep(random.uniform(0.5, 2.0))print("Task {} processed".format(task))async def main():# 构造任务列表tasks = [i for i in range(1, 101)]# 并发处理批量任务await batch_process_task(tasks, batch_size=10)if __name__ == '__main__':asyncio.run(main())
输出:
[root@workhost k8s]# python3 test.py
Task 9 processed
Task 10 processed
Task 1 processed
Task 8 processed
Task 6 processed
Task 4 processed
Task 3 processed
Task 2 processed
Task 5 processed
...
...
batch_process_task函数使用原生协程来处理每个批次的任务,而process_task函数则是处理每个任务的函数。main函数则是构造任务列表,并且使用batch_process_task函数来异步地处理批量任务。
如果你对Python感兴趣,想要学习python,这里给大家分享一份Python全套学习资料,都是我自己学习时整理的,希望可以帮到你,一起加油!
😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
Python全套学习资料
1️⃣零基础入门
① 学习路线
对于从来没有接触过Python的同学,我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
② 路线对应学习视频
还有很多适合0基础入门的学习视频,有了这些视频,轻轻松松上手Python~
③练习题
每节视频课后,都有对应的练习题哦,可以检验学习成果哈哈!
2️⃣国内外Python书籍、文档
① 文档和书籍资料
3️⃣Python工具包+项目源码合集
①Python工具包
学习Python常用的开发软件都在这里了!每个都有详细的安装教程,保证你可以安装成功哦!
②Python实战案例
光学理论是没用的,要学会跟着一起敲代码,动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。100+实战案例源码等你来拿!
③Python小游戏源码
如果觉得上面的实战案例有点枯燥,可以试试自己用Python编写小游戏,让你的学习过程中增添一点趣味!
4️⃣Python面试题
我们学会了Python之后,有了技能就可以出去找工作啦!下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
上述所有资料 ⚡️ ,朋友们如果有需要的,可以扫描下方👇👇👇二维码免费领取🆓