查看：https://blog.csdn.net/qq_27825451/article/details/85234610
一，什么是協程（coroutine）
1，協程定義
協程，又稱微線程，纖程。英文名Coroutine。協程的概念很早就提出來了，但直到最近幾年才在某些語言（如Lua）中得到廣泛應用。
2，子程序，或者稱為函數
在所有語言中都是層級調用，比如A調用B，B在執行的過程中又調用了C，C執行完畢返回，B執行完畢返回，最后是A執行完畢。所以子程序調用是通過棧實現的，一個線程就是執行一個子程序。子程序調用總是一個入口，一個返回，調用的順序是明確的。
順序執行的缺點：這里小伙伴們都應該是分清楚，那就是程序無休此等待，必須等待一個函數執行完之后才返回結果。
3，多線程
避免順序執行的方式之一是多線程，但是考慮到python語言的特性（GIL鎖），再執行計算密集型的任務時，多線程的執行效果反而變慢，再執行IO密集型的任務時候雖然有不錯的性能提升，但是依然會有線程管理與切換、同步的開銷等等（具體原因這里不詳細說明，請參見相關的GIL說明）
4，協程
協程有點像多線程，但協程的特點在於是一個線程執行，那和多線程比，協程有何優勢？
優勢一：最大的優勢就是協程極高的執行效率。因為子程序切換不是線程切換，而是又程序自身控制，因此沒有線程切換的開銷，和多線程比，線程數量越多，協程的性能優勢就越明顯。
優勢二：就是不需要多線程的鎖機制，因為只有一個線程，也不存在同時寫變量沖突，在協程中控制共享資源不加鎖，只需要判斷狀態就好了，所以執行效率比多線程高很多。
5，多進程+協程
因為協程是一個線程執行，那怎么利用多核CPU呢？最簡單的方法是多進程+協程，既充分利用多核，又充分發揮協程的高效率，可獲得極高的性能。
6，協程於一般函數的不同點
協程看上去也是子程序（函數），但執行過程中，在子程序內部(函數)可中斷，而不是一次性一定要執行完才行，然后轉而執行別的子程序，在適當的時候再返回來接着執行。
二，協程(coroutine的直觀理解)
1，協程的直觀理解
yield個人認為其實是為了實現協程而出現的。所以如果要解釋清楚什么是yield，那么也就必須要先搞懂什么是協程。首先明確一點：協程是針對單個CPU的，也就是說，講協程講的就是單線程。我們可以通過協程實現類似並發的任務，並且如果只是在一個CPU上的話，使用協程帶來的效率一般都會比使用線程來的高。這是為啥呢？這就要看協程的原理了。
協程的原理很簡單，打個比方就能講明白了：假設說有十個人去食堂打飯，這個食堂比較窮，只有一個打飯的窗口，並且也只有一個打飯阿姨，那么打飯就只能一個一個排隊來打咯。這十個人胃口很大，每個人都要點5個菜，但這十個人又有個毛病就是做事情都猶豫不決，所以點菜的時候就會站在那里，每點一個菜后都會想下一個菜點啥，因此后面的人等的很着急呀。這樣一直站着也不是個事情吧，所以打菜的阿姨看到某個人猶豫5秒后就開始吼一聲，會讓他排到隊伍最后去，先讓別人打菜，等輪到他的時候他也差不多想好吃啥了。這確實是個不錯的方法，但也有一個缺點，那就是打菜的阿姨會等每個人5秒鍾，如果那個人在5秒內沒有做出決定吃啥，其實這5秒就是浪費了。一個人點一個菜就是浪費5秒，十個人每個人點5個菜可就浪費的多啦（菜都涼了要）。那咋辦呢？
這個時候阿姨發話了：大家都是學生，學生就要自覺，我以后也不主動讓你們排到最后去了，如果你們覺得自己會猶豫不決，就自己主動點直接點一個菜就站后面去，等下次排到的時候也差不多想好吃啥了。這個方法果然有效，大家點了菜后想的第一件事情不是下一個菜吃啥，而是自己會不會猶豫，如果會猶豫那直接排到隊伍后面去，如果不會的話就直接接着點菜就行了。這樣一來整個隊伍沒有任何時間是浪費的，效率自然就高了。
這個例子里的排隊阿姨的那聲吼就是我們的CPU中斷，用於切換上下文。每個打飯的學生就是一個task。而每個人自己決定自己要不要讓出窗口的這種行為，其實就是我們協程的核心思想。
在用線程的時候，其實雖然CPU把時間給了你，你也不一定有活干，比如你要等IO、等信號啥的，這些時間CPU給了你你也沒用呀。
在用協程的時候，CPU就不來分配時間了，時間由你們自己決定，你覺得干這件事情很耗時，要等IO啥的，你就干一會歇一會，等到等IO的時候就主動讓出CPU，讓別人上去干活，別人也是講道理的，干一會也會把時間讓給你。協程就是使用了這種思想，讓編程者控制各個任務的運行順序，從而最大可能的發揮CPU的性能。
2，為什么yield可以實現協程
在Python中，協程通過yield實現。因為當一個函數中又yield存在的時候，這個函數是生成器，那么當你調用這個函數的時候，你在函數體重寫的代碼並沒有被執行，而是返回了一個生成器對象，這個需要特別注意。然后，你的代碼會在每次使用這個生成器的時候被執行。
前面講過yiedl表達式的兩個關鍵作用：①返回一個值②接收調用者參數
“調用者”與“被調用者”之間的通信是通過send()進行聯系的
正是因為yield實現的生成器具備“中斷等待的功能”，才使得yield可以實現協程。
3，yield實現協程的例子
（1）實例一：
生產者-消費者模型。這里不討論生產者-消費者模式到底有什么用，這里要實現的就是簡單的函數調用。代碼如下：
生產者消費者.py
def consumer():
# 定義返回
r = ''
while True:
# 執行的中斷點
n = yield r
# 如果n為空則return生成器拋出StopIteration異常
# 實際本例n一直不為空這一段永不執行
if not n:
return
# 消費者消費通過生產者send(value)過來的參數
print('[消費者]正在消費:{0}'.format(n))
# 設置返回值r
r = '200 人民幣'
def producer(c):
# 啟動消費者(生成器)，實際上是函數調用，只不過生成器不是直接像函數那般調用
# 使用send()第一次啟動生成器傳遞的參數只能是None否則報錯
c.send(None)
n = 0
while n < 5:
n = n + 1
print('[生產者]正在生產:{0}'.format(n))
# 生產者往消費者發送消息
# 給消費者傳入值，實際也是函數調用
r = c.send(n)
print('[生產者]消費者返回:{0}'.format(r))
print('-------------------------------')
# 關閉生成器
c.close()
c = consumer()
producer(c)
運行輸出如下
PS D:\learn-python3\函數式編程> & c:/python36/python.exe d:/learn-python3/學習腳本/協程系列/生產者消費者.py [生產者]正在生產:1 [消費者]正在消費:1 [生產者]消費者返回:200 人民幣 ------------------------------- [生產者]正在生產:2 [消費者]正在消費:2 [生產者]消費者返回:200 人民幣 ------------------------------- [生產者]正在生產:3 [消費者]正在消費:3 [生產者]消費者返回:200 人民幣 ------------------------------- [生產者]正在生產:4 [消費者]正在消費:4 [生產者]消費者返回:200 人民幣 ------------------------------- [生產者]正在生產:5 [消費者]正在消費:5 [生產者]消費者返回:200 人民幣
解釋分析：
第一步：在produece(c)函數中，調用c.send(None)啟動了生成器，這相當於調用consumer(),但是如果consumer是一個普通函數而不是生成器，就要等到consumer執行完了，主動權才會回到produce手里。但就是因為consumer是生成器，所以第一次遇到yield暫停。接着執行produce()中接下來的代碼，從運行結果看，確實打印出了[生產者]正在生產1，當程序運行至c.send(n)時，再次調用生產並且通過yiele傳遞了參數(n=1),這個時候進入consumer()函數先前在yield停下的地方，繼續往后執行，所以打印出[消費者]正在消費1.
第二步：[消費者]正在消費1這句話被打印出來之后，接下來consumer()函數中此時r被賦值為'200 人民幣'，接着cousumer()函數里面的第一次循環結束，進入第二次循環，又遇到yield，所以consumer()函數又暫停並且返回變量r的值，consumer()函數暫停，此時程序有進入produce()函數中接着執行。
第三步：由於先前produce(c)函數接着第一次循環中c.send(n)處相當於調用消費者consumer(),跳入到了consumer()里面去執行，現在cousumer()暫停，prodecer重新掌握主動權，故而繼續往下執行打印出[生產者]消費者返回:200 人民幣，然后打印出分隔符之后，prodecer的第一次循環結束，並進行第二次信息，打印出[生產者]正在生產2，然后又調用c.send(n)又調用消費者consumer，將控制器交給consumer，如此循環...
(2)實例二
import time
#定義一個消費者，他有名字name
#因為里面有yield，本質上是一個生成器
def consumer(name):
print(f'{name} 准備吃包子啦！,呼吁店小二')
while True:
baozi=yield #接收send傳的值，並將值賦值給變量baozi
print(f'包子 {baozi+1} 來了,被 {name} 吃了！')
#定義一個生產者，生產包子的店家，店家有一個名字name,並且有兩個顧客c1 c2
def producer(name,c1,c2):
next(c1) #啟動生成器c1
next(c2) #啟動生成器c2
print(f'{name} 開始准備做包子啦！')
for i in range(5):
time.sleep(1)
print(f'做了第{i+1}包子，分成兩半,你們一人一半')
c1.send(i)
c2.send(i)
print('------------------------------------')
c1=consumer('張三') #把函數變成一個生成器
c2=consumer('李四')
producer('店小二',c1,c2)
運行結果
D:\learn-python3\函數式編程> & c:/python36/python.exe d:/learn-python3/學習腳本/協程系列/生產包子.py 張三 准備吃包子啦！,呼吁店小二 李四 准備吃包子啦！,呼吁店小二 店小二 開始准備做包子啦！ 做了第1包子，分成兩半,你們一人一半 包子 1 來了,被 張三 吃了！ 包子 1 來了,被 李四 吃了！ ------------------------------------ 做了第2包子，分成兩半,你們一人一半 包子 2 來了,被 張三 吃了！ 包子 2 來了,被 李四 吃了！ ------------------------------------ 做了第3包子，分成兩半,你們一人一半 包子 3 來了,被 張三 吃了！ 包子 3 來了,被 李四 吃了！ ------------------------------------ 做了第4包子，分成兩半,你們一人一半 包子 4 來了,被 張三 吃了！ 包子 4 來了,被 李四 吃了！ ------------------------------------ 做了第5包子，分成兩半,你們一人一半 包子 5 來了,被 張三 吃了！ 包子 5 來了,被 李四 吃了！ ------------------------------------
運行過程分析：
第一步：啟動生成器c1,c2.c1先運行，運行到第一個循環的yield，暫停，然后c2運行，也運行到第一個yield暫停，打印得到
張三 准備吃包子啦！,呼吁店小二
李四 准備吃包子啦！,呼吁店小二
第二步：現在相當於兩個顧客等着吃包子，控制權交給店小二生產包子，於是打印出 店小二 開始准備做包子啦！，並且進入producer的第一個循環，花了1秒鍾，生產第一個包子，然后將其一分為二，打印出：做了第1包子，分成兩半,你們一人一半。
第三步：此時producer店小二調用send()函數，相當於將包子給兩位客人，這個時候先執行c1.send()，即先把包子給c1，然后c1獲得了控制權，打印出包子 1 來了,被 張三 吃了！然后他吃完進入第二次循環遇見了yield，又暫停。控制權重新回到producer手上，他再執行c2.send()，將包子給c2，c2掌握控制權，於是打印出 包子 1 來了,被 李四 吃了！它在進入第二次循環，遇到yield，然后又暫停了，控制權重新回到producer店小二手中，店小二打印出一段虛線，然后進入第二次循環，重新花了1秒鍾，又做了一個包子，一次這樣下去。
（3）實例三
往生成器傳遞數字計算平均值
def average():
# 數字的總和
total = 0.0
# 數字的個數
count = 0
# 數字的平均值
avg = None
while True:
# 平均值作為生成器的返回
n = yield avg
# 沒跌倒一次生成器數字傳遞的數字個數+1
count = count + 1
# 計算傳遞數字的和
total = total + n
# 計算平均值
avg = total / count
a = average()
a.send(None)
# 定義一個函數，通過這個函數想average函數發送數值
def sender(generator):
# 第一步啟動生成器
next(generator)
print(generator.send(10))
print(generator.send(20))
print(generator.send(30))
print(generator.send(40))
g = average()
sender(g)
# 10.0
# 15.0
# 20.0
# 25.0
運行步驟為
第一步：啟動生成器，停留在yield
第二步：使用send(10)傳遞數字10進入生成器計算平均值為10，作為生成器yield的返回值，然后依次傳遞20,30,40，依次打印計算出來的平均值
三，協程的狀態查看
我們知道，協程是可以暫停等待的，然后又恢復的生成器函數，那么我們有沒有什么辦法查看一個協程到低是處於什么狀態呢？協程有四種狀態，它們分別是：
GEN_CREATED：等待執行，即還沒有進入協程
GEN_RUNNING：解釋器執行（這個只有在使用多線程時才能查看到他的狀態，而協程是單線程的）
GEN_SUSPENDED：在yield表達式處暫停（協程在暫停等待的時候的狀態）
GEN_CLOSED：執行結束（協程執行結束了之后的狀態）
怎么查看呢？
協程的狀態可以用inspect.getgeneratorstate()函數來確定，實例如下：
協程的狀態.py
from inspect import getgeneratorstate #一定要導入
from time import sleep
def my_generator():
for i in range(3):
sleep(0.5)
x = yield i + 1
g=my_generator() #創建一個生成器對象
def main(generator):
try:
print("生成器初始狀態為:{0}".format(getgeneratorstate(g)))
next(g) #激活生成器
print("生成器初始狀態為:{0}".format(getgeneratorstate(g)))
g.send(100)
print("生成器初始狀態為:{0}".format(getgeneratorstate(g)))
next(g)
print("生成器初始狀態為:{0}".format(getgeneratorstate(g)))
next(g)
except StopIteration:
print('全部迭代完畢了')
print("生成器初始狀態為:{0}".format(getgeneratorstate(g)))
運行結果如下
PS D:\learn-python3\函數式編程> & c:/python36/python.exe d:/learn-python3/學習腳本/協程系列/協程的狀態.py 生成器初始狀態為:GEN_CREATED 生成器初始狀態為:GEN_SUSPENDED 生成器初始狀態為:GEN_SUSPENDED 生成器初始狀態為:GEN_SUSPENDED 全部迭代完畢了 生成器初始狀態為:GEN_CLOSED
可以看到創建一個生成器沒有初始化處於等待狀態，一旦開始跌打就處於yield暫停等待狀態，迭代完畢或者手動關閉處於關閉狀態。
四，yield實現協程的不足之處
（1）協程函數的返回值不是特別方便獲取，為什么參見上一篇文章，只能夠通過捕獲StopIteration異常，然后通過該異常的value屬性獲取。
（2）Python的生成器是協程corontine的一種形式，但它的局限性在於只能向它的直接調用者每次yield一個值。這意味着那些包含yield的代碼不能像其他代碼那樣被分離出來放到一個單獨的函數中。這也正是yield from要解決的。
全文總結
從某些角度來理解，協程其實就是一個可以暫停執行的函數，並且可以恢復繼續執行。那么yield已經可以暫停執行了，如果在暫停后有辦法把一些 value 發回到暫停執行的函數中，那么 Python 就有了『協程』。於是在PEP 342中，添加了 “把東西發送到已經暫停的生成器中” 的方法，這個方法就是send()。
下文預告：下一篇講解yield from的詳細使用方法