如何理解python的yeild,async,azwait和協(xié)程

本篇內(nèi)容主要講解“如何理解python的yeild,async,azwait和協(xié)程”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學(xué)習(xí)“如何理解python的yeild,async,azwait和協(xié)程”吧!

目錄

• 一、yield使用簡析

• 二、async和await的使用

• 1.什么是進(jìn)程、協(xié)程、異步？

• 2.如何處理200W數(shù)量的url，把所有的url保存下來？

• 3.使用async的await和gather

• 三、協(xié)程的理解

一、yield使用簡析

yield是一個生成器generator，返回一個interable對象。

該對象具有next()方法，可以通過next()查看接下來的元素是什么。

1.interable對象 ，可以遍歷的對象，如： list，str，tuple，dict，file，xrange等。

2.yield的作用是什么？只是循環(huán)里面的獲取中間變量的一個方法，把想要的變量每次使用yield保存起來直至循環(huán)結(jié)束，循環(huán)結(jié)束得到了一個generator對象

3.為什么使用yield？使用yield，一個函數(shù)改寫成generator，便具有了迭代的能力，比起用類的實例保存狀態(tài)計算下一個需要迭代的值，代碼更加簡潔，執(zhí)行流程十分簡單。

4.如何判斷yield的類型？

def fab(max): 
    n, a, b = 0, 0, 1 
    while n < max: 
        yield b      # 使用 yield
        # print b 
        a, b = b, a + b 
        n = n + 1
for n in fab(5): 
    print n

fab不是generator，fab(5)是generator。

好比類的定義和類的實例的區(qū)別。

>>>import types 
>>> isinstance(fab, types.GeneratorType) 
False 
>>> isinstance(fab(5), types.GeneratorType) 
True

fab 是無法迭代的，而 fab(5) 是可迭代的。

>>>from collections import Iterable 
>>> isinstance(fab, Iterable) 
False 
>>> isinstance(fab(5), Iterable) 
True

5.yield在文件讀取的應(yīng)用？

如果字節(jié)使用read()讀取一個文件，會導(dǎo)致不可預(yù)測的內(nèi)存占用。好的方法是使用yield，固定長度的緩沖區(qū)來不斷讀取文件，生成讀文件的迭代的generator。

def read_file(fpath): 
    BLOCK_SIZE = 1024 
    with open(fpath, 'rb') as f: 
        while True: 
            block = f.read(BLOCK_SIZE) 
            if block: 
                yield block 
            else: 
                return

二、async和await的使用

1.什么是進(jìn)程、協(xié)程、異步？

• 協(xié)程是什么？

一種用戶級輕量級的線程，擁有自己的寄存器上下文和棧。

協(xié)程切換時候，將寄存器和棧保存在其他地方，當(dāng)返回的時候，恢復(fù)原先保存的寄存器上下文和棧。

• 為什么使用協(xié)程？

主流語言采用多線程并發(fā)，線程相關(guān)的概念是搶占式多任務(wù)，協(xié)程相關(guān)的協(xié)作式多任務(wù)。

不管是多進(jìn)程還是多線程，每次阻塞、切換陷入系統(tǒng)調(diào)用。

CPU跑操作系統(tǒng)的調(diào)度程序，調(diào)度程序決定運行哪一個進(jìn)程（線程）。

線程非常小心的處理同步問題，而協(xié)程完全不存在這個問題。

對于CPU而言，多協(xié)程是單線程，CPU不會考慮調(diào)度、切換上下文，省去CPU的切換開銷。協(xié)程好于多線程的原因。

• 如何使用協(xié)程？

多進(jìn)程+協(xié)程下，避開了CPU切換的開銷，又能把多個CPU充分利用起來，這種方式對于數(shù)據(jù)量較大的爬蟲還有文件讀寫之類的效率提升是巨大的。

2.如何處理200W數(shù)量的url，把所有的url保存下來？

• 單進(jìn)程+單線程

• 單進(jìn)程+多線程：開十個線程，速度不能提高十倍。線程的切換是有開銷的，無能無限的創(chuàng)建線程。

• 多進(jìn)程+多線程：多進(jìn)程的每個進(jìn)程占用一個CPU，多線程一定程度上繞過了阻塞時間，所以相比單進(jìn)程的多線程效率更高。

• 協(xié)程

3.使用async的await和gather

• await接受一個協(xié)程列表，返回done、pending兩個列表。done是已經(jīng)完成的協(xié)程，pending是仍在跑的協(xié)程。通過.result()獲取完成的結(jié)果

• gather以gather(cro1, cro2, cro3, cro4…)的方式接受協(xié)程，返回的是一個結(jié)合了這么多個任務(wù)的協(xié)程。

async的使用：https://blog.csdn.net/qq_29785317/article/details/103294235

async def func1(num):
    print('--func1 start--')
    await asyncio.sleep(num)
    print('--func1 done--')
    return 'func1 ok'
async def func2(num):
    print('--func2 start--')
    await asyncio.sleep(num)
    print('--func2 done--')
    return 'func2 ok'
async def main():
    task1 = asyncio.ensure_future(func1(3))
    task2 = asyncio.ensure_future(func2(5))
    tasks = [task1, task2]
    res = await asyncio.gather(*tasks)
    return res
    # done, pending = await asyncio.wait(tasks)
    # for t in done:
    #     print(t.result())
    # print(done)
    # print(pending)
if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    result = loop.run_until_complete(main())
    print(result)
```python
--func1 start--
--func2 start--
--func1 done--
--func2 done--
['func1 ok', 'func2 ok']

三、協(xié)程的理解

1.協(xié)程的過程

協(xié)程中yield是控制流程的方式。

yield同接收器一樣，是一個生成器，需要先激活才能使用。

>>> def simple_corotine():
...     print('---->coroutine started')
...     x = yield　　#有接收值，所以同生成器一樣，需要先激活,使用next
...     print('---->coroutine recvied:',x)
...
>>> my_coro = simple_corotine()
>>> my_coro
<generator object simple_corotine at 0x0000000000A8A518>

>>> next(my_coro)　　#先激活生成器，執(zhí)行到y(tǒng)ield val語句　　#或者使用send(None)也可以激活生成器
---->coroutine started
>>> my_coro.send(24)　　#向其中傳入值，x = yield
---->coroutine recvied: 24
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration　　#當(dāng)生成器執(zhí)行完畢時會報錯

2.協(xié)程在運行中的四種狀態(tài)

GEN_CREATE:等待開始執(zhí)行

GEN_RUNNING:解釋器正在執(zhí)行，這個狀態(tài)一般看不到

GEN_SUSPENDED:在yield表達(dá)式處暫停

GEN_CLOSED:執(zhí)行結(jié)束

>>> def averager():
...     total = 0.0
...     count = 0
...     aver = None
...     while True:
...             term = yield aver
...             total += term
...             count += 1
...             aver = total/count
...
>>> coro_avg = averager()
>>> coro_avg.send(None)
>>> coro_avg.send(10)
10.0
>>> coro_avg.send(20)
15.0
>>> coro_avg.send(30)
20.0
>>> coro_avg.send(40)
25.0

每次循環(huán)結(jié)束在yield出暫停，直至下一個參數(shù)傳進(jìn)來。

3.預(yù)激活協(xié)程的裝飾器(自定義激活的方式)

@裝飾器的作用是什么？裝飾原有的函數(shù)，給原油函數(shù)增加一個新的功能和方式。

為什么@可以實現(xiàn)裝飾器的功能？函數(shù)也是對象，函數(shù)可以作為實參傳給掐函數(shù)。

>>> def coro_active(func):
...     def inner(*args,**kwargs):
...         gen = func(*args,**kwargs)
...         next(gen)   #gen.send(None)
...         return gen
...     return inner
...
>>> @coro_active
... def averager():
...     total = 0.0
...     count = 0
...     aver = None
...     while True:
...             term = yield aver
...             total += term
...             count += 1
...             aver = total/count
...
>>> coro_avg = averager()
>>> coro_avg.send(10) 10.0 >>> coro_avg.send(20) 15.0 >>> coro_avg.send(30) 20.0

4.終止協(xié)程和異常處理

當(dāng)協(xié)程的next函數(shù)或者send函數(shù)發(fā)生錯誤的時候，協(xié)程就會終止掉。

需要創(chuàng)建異常捕捉對協(xié)程的異常情況進(jìn)行處理，關(guān)閉當(dāng)前協(xié)程。

5.讓協(xié)程返回值

yield使用方法 ??

到此，相信大家對“如何理解python的yeild,async,azwait和協(xié)程”有了更深的了解，不妨來實際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！