# 并发编程之协程

### 背景理论

本节的主题是基于单线程来实现并发，即只用一个主线程(很明显可利用的cpu只有一个)情况下实现并发。并发的本质：切换+保存状态。CPU正在运行一个任务，会在两种情况下切走去执行其他的任务（切换由操作系统强制控制），一种情况是该任务发生了阻塞，另外一种情况是该任务计算的时间过长或有一个优先级更高的程序替代了它

![](/files/-Lm2tv4NP8NzVKCEM1nH)

其中第二种情况并不能提升效率，只是为了让CPU能够雨露均沾，实现看起来所有任务都被“同时”执行的效果，如果多个任务都是纯计算的，这种切换反而会降低效率。为此我们可以基于yield来验证，yield本身就是一种在单线程下可以保存任务运行状态的方法。

1. yiled可以保存状态，yield的状态保存与操作系统的保存线程状态很像，但是yield是代码级别控制的，更轻量级
2. send可以把一个函数的结果传给另外一个函数，以此实现单线程内程序之间的切换

```python
import time

# 串行执行
def consumer(res):
    '''任务1:接收数据,处理数据'''
    pass
def producer():
    '''任务2:生产数据'''
    res = []
    for i in range(10000000):
        res.append(i)
    return res
start = time.time()
res = producer()
consumer(res)
stop = time.time()
print(stop - start)     # 1.0780932903289795


# 基于yield并发执行
def consumer():
    res = []
    '''任务1:接收数据,处理数据'''
    while True:
        x = yield
        res.append(x)
def producer():
    '''任务2:生产数据'''
    g = consumer()
    next(g)
    for i in range(10000000):
        g.send(i)
start = time.time()
# 基于yield保存状态,实现两个任务直接来回切换,即并发的效果
producer()
stop = time.time()
print(stop - start)     # 1.8630154132843018
```

第一种情况的切换，在IO的情况下，可以利用任务阻塞的时间完成另外任务的计算，效率的提升就在此，但是yield并不能实现遇到IO切换。

>  **对于单线程下，我们不可避免程序中出现IO操作，但如果我们能在自己的程序中（即用户程序级别，而非操作系统级别）控制单线程下的多个任务能在一个任务遇到IO阻塞时就切换到另外一个任务去计算，这样就保证了该线程能够最大限度地处于就绪态，即随时都可以被cpu执行的状态，相当于我们在用户程序级别将自己的IO操作最大限度地隐藏起来，从而可以迷惑操作系统，让其看到：该线程好像是一直在计算，IO比较少，从而更多的将CPU的执行权限分配给我们的线程。**

协程的本质就是在单线程下，由用户自己控制一个任务遇到io阻塞了就切换另外一个任务去执行，以此来提升效率。为了实现它，我们需要找寻一种可以同时满足以下条件的解决方案：

1. 可以控制多个任务之间的切换，切换之前将任务的状态保存下来，以便重新运行时，可以基于暂停的位置继续执行。
2. 作为1的补充：可以检测io操作，在遇到io操作的情况下才发生切换

### 协程介绍

协程：单线程下的并发，又称微线程，纤程，英文名Coroutine。协程是一种用户态的轻量级线程，即协程是由用户程序自己控制调度的。

**需要强调：**

1. Python的线程属于内核级别的，即由操作系统进行调度(如单线程遇到IO或执行时间过长就会被迫交出CPU执行权限，切换其他线程运行)
2. 单线程内开启协程，一旦遇到IO，就会从应用程序级别(而非操作系统)控制切换，以此来提升效率(!!!非IO操作的切换与效率无关)

对比操作系统控制线程的切换，用户在单线程内控制协程的切换

**优点如下：**

1. 协程的切换开销更小，属于程序级别的切换，操作系统完全感知不到，因而更加轻量级
2. 单线程内就可以实现并发的效果，最大限度地利用CPU

**缺点如下：**

1. 协程的本质是单线程下，无法利用多核，可以是一个程序开启多个进程，每个进程内开启多个线程，每个线程内开启协程
2. 协程指的是单个线程，因而一旦协程出现阻塞，将会阻塞整个线程

#### 协程特点：

1. 必须在只有一个单线程里实现并发
2. 修改共享数据不需要加锁
3. 用户程序里自己保存多个控制流的上下文栈
4. 一个协程遇到IO操作自动切换到其他协程，如何检测IO，yield和greenlet都无法实现，需要gevent模块(select机制)

### greenlet模块

```python
from greenlet import greenlet

def eat(name):
    print('%s eat 1' % name)
    g2.switch('linda')
    print('%s eat 2' % name)
    g2.switch()

def play(name):
    print('%s play 1' % name)
    g1.switch()
    print('%s play 2' % name)

g1 = greenlet(eat)
g2 = greenlet(play)
g1.switch('alex')   # 第一次switch 传入参数，以后不需要

'''
greenlet 可以实现切任务，但是遇到IO，仍然会原地阻塞

单线程里20个任务的代码通常会既有计算操作又有阻塞操作，我们完全可以在执行任务1时遇到阻塞，就利用阻塞的时间去执行任务2......
如此，才能提高效率，这就用到了gevent模块
'''
```

### gevent模块

```python
'''
monkey.patch_all() 自动实现单线程下IO检测与切换
'''
import gevent
from gevent import monkey
monkey.patch_all()
import time
import threading

def eat():
    print('eat food 1')
    time.sleep(3)
    print('eat food 2')
    print('from eat: %s' % threading.current_thread().getName())
def play():
    print('play 1')
    time.sleep(4)
    print('play 2')
    print('from play: %s' % threading.current_thread().getName())

# 异步调用
g1 = gevent.spawn(eat)
g2 = gevent.spawn(play)

gevent.joinall([g1, g2])
print('from main: %s' % threading.current_thread().getName())
```


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://nining.website/python/concurrent/coroutine.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.