简单介绍Python中利用生成器实现的并发编程

我们都知道并发（不是并行）编程目前有四种方式，多进程，多线程，异步，和协程。

多进程编程在python中有类似C的os.fork，当然还有更高层封装的multiprocessing标准库，在之前写过的python高可用程序设计方法中提供了类似nginx中master process和worker process间信号处理的方式，保证了业务进程的退出可以被主进程感知。

多线程编程python中有Thread和threading，在linux下所谓的线程，实际上是LWP轻量级进程，其在内核中具有和进程相同的调度方式，有关LWP，COW（写时拷贝），fork，vfork，clone等的资料较多，这里不再赘述。

异步在linux下主要有三种实现select，poll，epoll，关于异步不是本文的重点。

说协程肯定要说yield，我们先来看一个例子：

    #coding=utf-8
    import time
    import sys
    # 生产者
    def produce(l):
      i=0
      while 1:
        if i < 5:
          l.append(i)
          yield i
          i=i+1
          time.sleep(1)
        else:
          return

    # 消费者
    def consume(l):
      p = produce(l)
      while 1:
        try:
          p.next()
          while len(l) > 0:
            print l.pop()
        except StopIteration:
          sys.exit(0)
    l = []
    consume(l)

在上面的例子中，当程序执行到produce的yield i时，返回了一个generator，当我们在custom中调用p.next()，程序又返回到produce的yield i继续执行，这样l中又append了元素，然后我们print l.pop()，直到p.next()引发了StopIteration异常。

通过上面的例子我们看到协程的调度对于内核来说是不可见的，协程间是协同调度的，这使得并发量在上万的时候，协程的性能是远高于线程的。

    import stackless
    import urllib2
    def output():
      while 1:
        url=chan.receive()
        print url
        f=urllib2.urlopen(url)
        #print f.read()
        print stackless.getcurrent()

    def input():
      f=open('url.txt')
      l=f.readlines()
      for i in l:
        chan.send(i)
    chan=stackless.channel()
    [stackless.tasklet(output)() for i in xrange(10)]
    stackless.tasklet(input)()
    stackless.run()

关于协程，可以参考greenlet,stackless,gevent,eventlet等的实现。