简单介绍Python中利用生成器实现的并发编程


            我们都知道并发（不是并行）编程目前有四种方式，多进程，多线程，异步，和协程。

多进程编程在python中有类似C的os.fork，当然还有更高层封装的multiprocessing标准库，在之前写过的python高可用程序设计方法中提供了类似nginx中master process和worker process间信号处理的方式，保证了业务进程的退出可以被主进程感知。

多线程编程python中有Thread和threading，在linux下所谓的线程，实际上是LWP轻量级进程，其在内核中具有和进程相同的调度方式，有关LWP，COW（写时拷贝），fork，vfork，clone等的资料较多，这里不再赘述。

异步在linux下主要有三种实现select，poll，epoll，关于异步不是本文的重点。

说协程肯定要说yield，我们先来看一个例子：







#coding=utf-8

import time

import sys

# 生产者

def produce(l):

  i=0

  while 1:

    if i < 5:

      l.append(i)

      yield i

      i=i+1

      time.sleep(1)

    else:

      return

   

# 消费者

def consume(l):

  p = produce(l)

  while 1:

    try:

      p.next()

      while len(l) > 0:

        print l.pop()

    except StopIteration:

      sys.exit(0)

l = []

consume(l)





在上面的例子中，当程序执行到produce的yield i时，返回了一个generator，当我们在custom中调用p.next()，程序又返回到produce的yield i继续执行，这样l中又append了元素，然后我们print l.pop()，直到p.next()引发了StopIteration异常。

通过上面的例子我们看到协程的调度对于内核来说是不可见的，协程间是协同调度的，这使得并发量在上万的时候，协程的性能是远高于线程的。







import stackless

import urllib2

def output():

  while 1:

    url=chan.receive()

    print url

    f=urllib2.urlopen(url)

    #print f.read()

    print stackless.getcurrent()

   

def input():

  f=open('url.txt')

  l=f.readlines()

  for i in l:

    chan.send(i)

chan=stackless.channel()

[stackless.tasklet(output)() for i in xrange(10)]

stackless.tasklet(input)()

stackless.run()





关于协程，可以参考greenlet,stackless,gevent,eventlet等的实现。