多进程与多线程均由操作系统调度，不过协程由程序员在协程的代码里显式调度。
协程没有线程切换的开销，和多线程比，线程数量越多，协程的性能优势就越明显。
刚看廖老师协程一章的代码时是一脸懵逼，那么从 0 开始，了解 yield。
10 年前的好文章： 深入理解 yield
看完再回顾廖老师的 [生产者-消费者] 模型：
def c():
...
n = yield r
...
def p(c):
...
r = c.send(n)
...
终于理解 yield 表达式与send() 函数两者皆可发送与反馈，协同工作，相辅相成。
send(n)，p 发送了 n 给 c，c 怎么接收，yield 的返回值即是。
yield r，c 反馈了 r 给 p，p 怎么接收，send() 的返回值即是。
yield from 语法由 Python 3.3 引进。
附：深入理解Python的yield from语法 ，摘抄部分代码：
# 子生成器
def average_gen():
total = 0
count = 0
average = 0
while True:
new_num = yield average
count += 1
total += new_num
average = total/count
# 委托生成器
def proxy_gen():
while True:
yield from average_gen()
# 调用方
def main():
calc_average = proxy_gen()
next(calc_average) # 预激下生成器
print(calc_average.send(10)) # 打印：10.0
print(calc_average.send(20)) # 打印：15.0
print(calc_average.send(30)) # 打印：20.0
if __name__ == '__main__':
main()
asyncio 是 Python 3.4 版本引入的标准库，直接内置了对异步 IO 的支持。
用
asyncio提供的@asyncio.coroutine可以把一个 generator 标记为 coroutine 类型，然后在 coroutine 内部用yield from调用另一个 coroutine 实现异步操作。使用
yield from关键字将一个asyncio.Future对象向下传递给事件循环，当这个Future对象还未就绪时，该协程就暂时挂起以处理其他任务。一旦Future对象完成，事件循环将会侦测到状态变化，会将Future对象的结果通过send方法方法返回给生成器协程，然后生成器恢复工作。
import asyncio
@asyncio.coroutine
def foo():
print('foo start')
yield from asyncio.sleep(5)
print('foo end')
@asyncio.coroutine
def bar():
print('bar start')
yield from asyncio.sleep(10)
print('bar end')
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait([foo(), bar()]))
loop.close()
# 输出结果
# bar start
# foo start
# (等了5秒的IO操作)
# foo end
#（又等了5秒的IO操作）
# bar end
Python3.5 中引入的新语法 async 和 await 可以让协程代码更简洁易读，也让协程表面上与生成器区分开。
代码仅需进行简单的替换：
import asyncio
async def foo():
print('foo start')
await asyncio.sleep(5)
print('foo end')
async def bar():
print('bar start')
await asyncio.sleep(10)
print('bar end')
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait([foo(), bar()]))
loop.close()
另推荐一篇好文章：谈谈Python协程技术的演进
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。