聲明：本人的一切著作，禁止用於以營銷為目的的任何轉載！ 前言 很久以前就聽說 Python 的 async/await 很厲害，但是直到現在都沒有用過，一直都在用多線程模型來解決各種問題。最近看到隔壁的 Go 又很火，所以決定花時間研究下 Python 協程相關的內容，終於在翻閱了一褲衩的資料之後有 ...
聲明：本人的一切著作，禁止用於以營銷為目的的任何轉載！
前言
很久以前就聽說 Python 的 async/await 很厲害，但是直到現在都沒有用過，一直都在用多線程模型來解決各種問題。最近看到隔壁的 Go 又很火，所以決定花時間研究下 Python 協程相關的內容，終於在翻閱了一褲衩的資料之後有了一些理解。
起：一切從生成器開始
以往在 Python 開發中，如果需要進行併發編程，通常是使用多線程 / 多進程模型實現的。由於 GIL 的存在，多線程對於計算密集型的任務並不十分友好，而對於 IO 密集型任務，可以在等待 IO 的時候進行線程調度，讓出 GIL，實現『假併發』。
當然對於 IO 密集型的任務另外一種選擇就是協程，協程其實是運行在單個線程中的，避免了多線程模型中的線程上下文切換，減少了很大的開銷。為了理解協程、async/await、asyncio，我們要從最古老的生成器開始。
回顧 Python 的歷史，生成器這個概念第一次被提出的時候是在PEP 255中被提出的，當時的 Python 版本為 Python2.2。我們都知道range()函數，現在考慮一下我們來編寫一個自己的range()函數，最直接最容易想到的方法也許是這樣：
當你想創建一個很小的序列的時候，例如創建從 0 到 100 這樣的列表，似乎沒什麼問題。但是如果想創建一個從 0 到 999999999 這麼大的列表的話，就必須要創建一個完整的，長度是 999999999 的列表，這個行為非常占用記憶體。於是就有了生成器，用生成器來改寫這個函數的話，會是下麵這個樣子：
當函數執行遇到yield的時候，會暫停執行。這樣只需在記憶體中維護可以存儲一個整數的記憶體空間就可以了。
承：協程誕生
到這裡可能還和協程沒什麼關係，但是實際上這已經是 Python 協程的雛形了，我們來看看維基上對於協程的定義：
Coroutines are computer program components that generalize subroutines for non-preemptive multitasking, by allowing
multiple entry points for suspending and resuming execution at certain locations.
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。那麼yield已經可以暫停執行了，如果在暫停後有辦法把一些 value 發回到暫停執行的函數中，那麼 Python 就有了『協程』。於是在PEP 342中，添加了 “把東西發回已經暫停的生成器中” 的方法，這個方法就是send()，並且在 Python2.5 中得到了實現。利用這個特性我們繼續改寫
range()函數：
就這樣，整個生成器的部分似乎已經進入了stable的狀態，但是在 Python3.3 中，這個情況發生了改變。在PEP 380中，為 Python3.3 添加了yield from，這個東西可以讓你從迭代器中返回任何值（這裡用的是迭代器，因為生成器也是一種迭代器），也可以讓你重構生成器，我們來看這個例子：
這個特性也可以讓生成器進行串聯，使數據在多個生成器中進行傳遞。歷史發展到這裡，協程的出現似乎已經就差一步了，或者這裡說是非同步編程更恰當。在 Python3.4 中加入了 asyncio 庫，使 Python 獲得了事件迴圈的特性（關於事件迴圈的內容這裡不再贅述）。asyncio + 生成器已經達到了非同步編程的條件，在 Python3.4 中，我們就可以這樣實現一個非同步的模型：
這裡的asyncio.coroutine裝飾器是用來標記這個函數是一個協程的，因為asyncio要求所有要用作協程的生成器必須由asyncio.coroutine裝飾。在這段代碼中，時間迴圈會啟動兩個countdown()協程，他們會一直執行，直到遇到了yield from asyncio.sleep()，會暫停執行，並且將一個asyncio.Future對象返回給事件迴圈。事件迴圈會監控這個asyncio.Future對象，一旦其執行完成後，將會把這個 Future 的執行結果返回給剛剛因為這個 Future 暫停的協程，並且繼續執行原協程。
從這個具體的例子出發，抽象點來看，實際上這個過程變成了：
-
你可以對任何asyncio.Future的對象進行yield from，將這個 Future 對象交給事件迴圈；
-
暫停執行的協程將等待這個 Future 的完成；
-
一旦 Future 獲取到事件迴圈，並執行完所有的代碼；
-
事件迴圈感知到 Future 執行完畢，原暫停的協程會通過 send() 方法獲取 Future 對象的返回值並且繼續執行；
轉：從 yield from 到 await
終於到了最激動人心的地方，在 Python3.5 中，添加了types.coroutine裝飾器以及async def和await。我們先來看一下 Python3.4 和 Python3.5 中如何定義一個協程函數：
看起來 Python3.5 中定義協程更為簡單了，但是實際上生成器和協程之間的差別變的更加明顯了。這裡先要指出兩個個註意點：
-
await 只能用於 async def 的函數中；
-
yield from 不能用於 async def 的函數中；
除此之外，yield from和await可以接受的對象是略有區別的，await接受的對象必須是一個awaitable對象。什麼是awaitable對象呢，就是一個實現了__await()__方法的對象，而且這個方法必須返回一個不是協程的迭代器。滿足這兩個條件，才算是一個awaitable對象，當然協程本身也是awaitable對象，因為collections.abc.Coroutine繼承了collections.abc.Awaitable。換句話說，await後面可接受的對象有兩種，分別是：協程和awaitable對象，當然協程也是awaitable對象。
在 Python3.6 中，這種特性繼續被髮揚光大，現在可以在同一個函數體內使用yield和await，而且除此之外，也可以在列表推導等地方使用async for或await語法。
尾聲
到這裡整個協程的歷史已經是回顧完了，對於 Python 中的協程也有了一些理解！
