背景介绍

在前面的篇章中介绍了同步和异步在IO上的对比，从本篇开始探究python中异步的实现方法和原理。
python协程的发展流程：

python2.5 为生成器引用.send()、.throw()、.close()方法
python3.3 为引入yield from，可以接收返回值，可以使用yield from定义协程
Python3.4 加入了asyncio模块
Python3.5 增加async、await关键字，在语法层面的提供支持
python3.7 使用async def + await的方式定义协程
此后asyncio模块更加完善和稳定，对底层的API进行的封装和扩展
python将于 3.10版本中移除以yield from的方式定义协程

yield 简介

yield 通常是使用在生成器函数中。当一个函数中有yield关键字，那么该函数就不是一个普通函数而是一个生成器函数。

>>> def get_num():
...     for i in range(5):
...         yield i
...
>>> g = get_num()
>>> type(g)
<class 'generator'>
>>>
>>> for i in g:
...     print(i)
...
0
1
2
3
4

调用get_num生成了一个生成器g，通过type可以看到g是一个生成器类型。生成器是一种迭代器，可以通过for循环迭代出数据。

以上是yield的第一种使用方法，其实yeild出了可以作为生成器的关键字，也可以实现协程。在实现协程之前首先需要学习yield的基础使用。

next 取值

yield实现的生成器是一种迭代器，所有的迭代器都可以通过next取值。

>>> def get_num():
...     for i in range(5):
...         yield i
...
>>> g = get_num()
>>>
>>> next(g)
0
>>> next(g)
1
>>> next(g)
2
>>> next(g)
3
>>> next(g)
4
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
>>>

执行过程 ：
使用next会让get_num从头开始执行，遇到yield i时，返回i给调用者，并暂停在yield i这一行，等待下一个next取值的到来，从yield i这里继续执行。这种能够暂停执行，恢复执行的能力是生成器的一种特性，也就是这种特性可以实现协程。
特点：
使用next取值有两个特点：

只能从前向后取值，每次只能取一个
迭代器中没有值时再通过next取值会报错

send 发送值

调用包含yield的函数会返回一个生成器generator，可以通过next从生成器中不断取值，通过send也可以将数值送到生成器中。如下：

>>> def get_num():
...     for i in range(5):
...         temp = yield i
...         print(temp)
...
>>> g = get_num()
>>> next(g)
0
>>> g.send(100)
100
1
>>>

执行过程 ：
next让程序执行到temp = yield i，返回i给调用者并暂停在这里。g.send(100) 从temp = yield i开始执行，将100传递给yield i，并让代码继续执行直到遇到下一个yield，返回yield 后面的数值。

send可以将值传递给生成器，next是从生成器中取值，两者目的不一致，但是也相同的能力，那就是可以驱动程序从一个yield执行到下一个yield。如再次执行send，就会从上一次暂停的地方继续执行到下一个yield处。

>>> g = get_num()
>>> next(g)
0
>>> g.send(100)
100
1
>>> g.send(200)
200
2

特点 ：

将值传送到生成器中
驱动生成器执行

启动生成器

生成器创建之后需要启动才能返回值，也就从代码第一行执行到yield处，需要一个事件去驱动代码执行。两种方式可以启动，分别是send和next

>>> g = get_num()
>>> next(g)
0
>>> g = get_num()
>>> g.send(None)
0

next:
程序从第一行执行到 temp = yield i暂停。
send:
send()必须传入关键字None，其他值会报错。因为send是从yield 处开始执行，由于启动程序不是yield语句开始，所有不能传值。
close 结束迭代
通常来说不要手动接受生成器，因为生成器迭代完成之后就会被释放。但是也可以通过close的方法结束生成器的迭代。

>>> g = get_num()
>>> g.send(None)
0
>>>
>>>
>>>
>>> g = get_num()
>>>
>>> next(g)
0
>>> next(g)
None
1
>>> g.send(100)
100
2
>>> g.close()
>>> g.close()
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

生成器的return

在前面的示例中或许你也发现了，使用next取值，当取完所有元素之后再次取值时会抛出异常。根本原因是程序执行到return了。在生成器中执行到return会抛出StopIteration异常

>>> def gen():
...     yield 100
...     return 200
...     yield 300
...
>>> g = gen()
>>> next(g)
100
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration: 200
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration    
程序执行到return时会抛出StopIteration异常，终止程序。yield 300永远也不会执行。
调用生成器中无法直接获取到return的返回值，可以通过捕获异常的方法获取return的返回值。
>>> try:
...     next(g)
...     next(g)
... except StopIteration as e:
...     result = e.value
...     print(result)
...
100
200

使用try except 捕获 StopIteration 异常之后，从中取出value就是返回值。

生成器实现的协程

生成器通常用作迭代器，但是也可以用作协程。协程其实就是生成器函数，通过主体中含有 yield 关键字的函数创建。注意这里只是为了探究原理，真实情况下协程不是使用yield。
协程的类似于函数调用，函数A调用函数B，B执行完成之后A继续执行。这个过程不涉及CPU调度。
下面通过生产者，消费者模型来说明yield如何实现协程。

import time


def consume():
    r = ''
    while True:
        n = yield r
        print(f'[consumer] 开始消费 {n}...')
        time.sleep(1)
        r = f'{n} 消费完成'


def produce(c):
    next(c)
    n = 0
    while n < 5:
        n = n + 1
        print(f'[producer] 生产了 {n}...')
        r = c.send(n)
        print(f'[producer] consumer return: {r}')
    c.close()


if __name__=='__main__':
    c = consume()
    produce(c)

执行输出：

[producer] 生产了 1...
[consumer] 开始消费 1...
[producer] consumer return: 1 消费完成
[producer] 生产了 2...
[consumer] 开始消费 2...
[producer] consumer return: 2 消费完成
[producer] 生产了 3...
[consumer] 开始消费 3...
[producer] consumer return: 3 消费完成
[producer] 生产了 4...
[consumer] 开始消费 4...
[producer] consumer return: 4 消费完成
[producer] 生产了 5...
[consumer] 开始消费 5...
[producer] consumer return: 5 消费完成

执行过程：