迭代器和生成器

• 迭代器

  概念上: 迭代器可以用来表示一个数据流, 提供了数据的惰性返回功能(只有我们主动去使用next方法调用, 才会返回值).

  实现上: 实现了__next__接口的对象

  传统声明一个列表, 里面的元素会立即写进内存当中, 占用大量内存.

  迭代器可以一次只返回一个元素, 占用内存非常小, 在读取大文件和大的数据集合的时候特别有用

  • 通过iter方法返回一个迭代器对象

    # 两者实现的功能是一摸一样的
    l = list(range(10**7))
    l2 = iter(range(10**7))

  • 通过next方法主动获取迭代器中的值

    # 当迭代器中没有值了以后, 会抛出StopIteration的异常, 需要大家自行处理一下
    l = iter(range(5))
    print(next(l))
    print(next(l))
    print(next(l))
    print(next(l))
    print(next(l))
    print(next(l))

• 生成器

  生成器是一种特殊的迭代器, 在迭代器惰性返回数据的基础上, 提供了额外的功能, 实现了程序的暂停.

  • 声明一个生成器

    只要函数体中有yield关键词, 它就是一个生成器

    yield翻译为让渡, 我们可以简单理解为暂停并返回右边的值

    def my_range_gen(n):
        for i in range(n):
            yield i*i
            print(f"current index: {i}")
    
    my_range = my_range_gen(10)
    print(my_range)
    print(next(my_range))
    print(next(my_range))
    print(next(my_range))
    print(next(my_range))

• 生成器和迭代器的区别?

  同样提供了惰性返回的功能, 迭代器侧重于提供数据的惰性返回功能, 生成器侧重于指令的惰性返回功能

协程

• 协程的原理

  协程的实现原理就是生成器的实现原理, 在生成器的基础上又提供了传递值的功能.

  • 通过send方法向生成器传递值, 以下例子中, b就是通过send方法赋值为2

    对生成器进行send操作一定要调用next方法预激, 使其停留在第一个yield位置

    def simple_coro(a):
        print("初始值 a=", a)
        b = yield a
        print("传递值 b=", b)
        c = yield a + b
        print("传递值 c=", c)
    
    coro = simple_coro(1)
    print(next(coro))
    print(coro.send(2))
    print(coro.send(3))
    
    

    

  • 用协程实现计算平均数的函数

    def coro_avg():
        total = 0
        length = 0
        while True:
            try:
                value = yield total/length
            except ZeroDivisionError:
                value = yield 0
            total += value
            length += 1
    
    my_avg = coro_avg()
    print(next(my_avg))
    print(my_avg.send(2))
    print(my_avg.send(3))

  • yield和yield from

    yield from实现的协程异步程序晦涩难懂, 在python3.4引用asyncio标准库之后被弃用

    yield from 用来驱动子程序中的循环并返回最终值

    def return_triple():
        while True:
            value = yield
            if value % 3 == 0:
                return value
    
    
    def triple_recorder():
        while True:
            result = yield from return_triple()
            triple_array.append(result)
    
    triple_array = []
    coro = triple_recorder()
    next(coro)
    for i in range(100):
        coro.send(i)
    print(triple_array)

异步I/O

• asyncio(异步)

  Python3.4引入的标准库, 替换yield from实现协程异步IO, 可以更好地实现异步程序

  实现原理: 自动维护了一个事件队列, 然后循环访问事件来完成异步的消息维护.

  import asyncio
  import time
  
  
  class Response:
      staus_code = 200
  
  
  async def sim_request(index):
      print(f"模拟发送请求 Index: {index}")
      response = Response()
      # 模拟网络延迟
      # 当前是单线程运行的, 如果调用的是time.sleep(1), 那么这个线程会被阻塞
      # 当前线程被阻塞之后, 不会让渡cpu资源, 异步的效率就不会体现
      await asyncio.sleep(1)
      print(f"request index {index}, response status_code: {response.staus_code}")
      return response.staus_code
  
  # 获取消息队列
  loop = asyncio.get_event_loop()
  
  # 包装任务
  task_array = []
  for i in range(100):
      task_array.append(sim_request(i))
  
  # 循环访问事件来完成异步的消息维护
  loop.run_until_complete(asyncio.wait(task_array))
  
  # 关闭事件循环
  loop.close()

  • 当前异步实际上有没有提高效率, 也关乎到你调用的第三方是不是异步的.

    这也是当前python异步的一个痛点, 就是丰富的第三方库不是都支持asyncio的.

  • 小技巧: 获取异步完成之后的所有返回值

    result = loop.run_until_complete(asyncio.gather(*task_array))
    print(result)