什么是协程
在 Python 中，协程（Coroutine）是一种轻量级的并发编程形式，能够通过合作式多任务来实现高效的并发执行。协程是一种非凡的生成器函数，通过应用 yield 关键字来挂起函数的执行，并保留以后的执行状态。协程的执行能够通过 send 办法来复原，并在下一次挂起时返回一个值。
在 Python 3.4 之前，协程通常应用 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，能够应用 async/await 关键字来定义协程函数，称为“原生协程”。
协程相比于线程和过程，具备以下长处：
- 轻量级：协程的上下文切换老本很小，能够在单线程内并发执行大量的协程。
- 低提早：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，能够更快地响应内部事件。
- 高效性：协程的代码通常比多线程和多过程的代码更加简洁和可读，保护老本更低。
协程的应用场景包含网络编程、异步 I/O、数据流解决、高并发工作等。
生成器协程
在 Python 3 中，生成器协程（Generator Coroutine）是指应用生成器函数来实现的协程。生成器函数是一种非凡的函数，其返回一个生成器对象，能够通过 yield 语句暂停函数的执行，而后在下一次调用生成器对象的 「next」() 办法时继续执行。
上面给出一个简略的生成器协程的示例，其中蕴含一个生成器函数 coroutine 和一个简略的异步 I/O 操作：
import asynciodef coroutine(): print('Coroutine started') while True: result = yield print('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())后果输入：
[root@workhost k8s]# python3 test.py Main startedCoroutine startedCoroutine received: HelloCoroutine received: WorldMain finished来看一下，下面代码的执行过程：
- main 函数开始执行，打印出 Main started。
- 创立一个生成器对象 c，调用 next(c) 使其执行到第一个 yield 语句处暂停。
- 应用 c.send('Hello') 复原生成器函数的执行，并将 'Hello' 作为生成器函数的返回值。
- 在期待1秒钟的过程中，main 函数暂停执行，期待事件循环发动下一次工作。
- 在期待1秒钟后，应用 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 函数复原执行，打印出 Main finished。
在下面的代码中，应用生成器函数 coroutine 实现了一个简略的协程。生成器函数通过应用 yield 语句暂停函数的执行，而后能够通过 send 办法复原函数的执行，并将值传递给生成器函数。通过这种形式，能够应用生成器函数实现异步并发。在下面的示例中，应用生成器函数接管并打印异步 I/O 操作的后果。
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。原生协程是通过应用 async/await 关键字来定义的，与生成器协程不同，它们能够像一般函数一样应用 return 语句返回值，而不是应用 yield 语句。
上面给出一个简略的原生协程示例，其中蕴含一个 async 关键字润饰的协程函数 coroutine 和一个简略的异步 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())后果输入：
[root@workhost k8s]# python3 test.py Main startedCoroutine startedCoroutine finishedMain finished持续看一下执行过程：
- 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，应用 await asyncio.sleep(1) 暂停函数的执行，期待1秒钟。
- 在1秒钟后，复原 coroutine 函数的执行，并打印出 Coroutine finished。
- main 函数复原执行，打印出 Main finished。
在下面的代码中，应用 async 关键字定义了一个原生协程函数 coroutine，并在其中应用 await 关键字来暂停函数的执行，期待异步 I/O 操作的实现。通过这种形式，能够在原生协程中编写异步并发代码，从而进步代码的性能和效率。
两种协程比照
Python 3 中原生协程和生成器协程是两种不同的协程实现形式，它们各自有本人的特点和实用场景。上面，通过比照它们的区别和优缺点，才能够更好地了解它们之间的异同，以便抉择适宜本人的协程实现形式，从而更好地编写高效、可保护的异步程序。
- 区别：
- 定义形式不同：原生协程应用 async/await 关键字来定义，而生成器协程应用 yield 关键字来定义。
- 返回形式不同：原生协程应用 return 语句来返回后果，而生成器协程应用 yield 语句来返回后果。
- 调用形式不同：原生协程应用 await 关键字来调用，而生成器协程应用 yield from 或 yield 语句来调用。
- 外部实现不同：原生协程通过 asyncio 库来实现，而生成器协程是 Python 语言内置的个性。
- 优缺点：
- 原生协程的长处：
- 代码简洁易懂：应用 async/await 关键字，能够编写出更简洁易懂的协程代码。
- 性能更高：原生协程不须要创立生成器对象，也不须要通过 yield 语句来管制函数的执行流程，因而可能更加高效地解决异步操作。
- 反对异步 I/O 和工作解决：原生协程能够反对异步 I/O 操作和并发工作解决，能够在解决异步操作时更加灵便。
- 原生协程的毛病：
- 兼容性差：原生协程是 Python 3.5 版本之后才引入的新个性，因而在旧版本的 Python 中无奈应用。
- 异样解决不不便：原生协程在解决异样时比拟麻烦，须要应用 try/except 语句来解决。
- 生成器协程的长处：
- 兼容性好：生成器协程是 Python 2 和 Python 3 都反对的个性。
- 可读性好：生成器协程应用 yield 关键字来实现，代码逻辑清晰易懂。
- 异样解决不便：生成器协程在解决异样时比拟不便，能够应用 try/except 语句来解决。
- 生成器协程的毛病：
- 性能绝对较低：生成器协程须要创立生成器对象，也须要通过 yield 语句来管制函数的执行流程，因而解决异步操作时性能绝对较低。
- 性能无限：生成器协程不能像原生协程一样反对异步 I/O 操作和工作解决。
实战案例
接下来，模仿一个场景，假如实现一个异步的批量解决工作的工具，应用原生协程来实现。
看上面代码：
import asyncioimport randomasync def batch_process_task(tasks, batch_size=10): # 将工作列表划分为多个批次 for i in range(0, len(tasks), batch_size): batch = tasks[i:i+batch_size] # 应用原生协程来异步解决每个批次的工作 await asyncio.gather(*[process_task(task) for task in batch])async def process_task(task): # 模仿工作处理过程 await asyncio.sleep(random.uniform(0.5, 2.0)) print("Task {} processed".format(task))async def main(): # 结构工作列表 tasks = [i for i in range(1, 101)] # 并发解决批量工作 await batch_process_task(tasks, batch_size=10)if __name__ == '__main__': asyncio.run(main())输入：
[root@workhost k8s]# python3 test.py Task 9 processedTask 10 processedTask 1 processedTask 8 processedTask 6 processedTask 4 processedTask 3 processedTask 2 processedTask 5 processed......batch_process_task函数应用原生协程来解决每个批次的工作，而process_task函数则是解决每个工作的函数。main函数则是结构工作列表，并且应用batch_process_task函数来异步地解决批量工作。
本文转载于WX公众号：不背锅运维（喜爱的盆友关注咱们）：https://mp.weixin.qq.com/s/GkhvW9qTCjw89xy0gLgPGQ