本文參考了：

yield 和 yield from

先讓我們來學習或者回顧一下yield和yield from的用法。如果你很自信自己完成理解了，可以跳到下一部分。

Python3.3提出了一種新的語法：yield from。

yield from iterator
複製程式碼

本質上也就相當於：

for x in iterator:
    yield x
複製程式碼

下面的這個例子中，兩個 yield from加起來，就組合得到了一個大的iterable(例子來源於官網3.3 release)：

>>> def g(x):
...     yield from range(x, 0, -1)
...     yield from range(x)
...
>>> list(g(5))
[5, 4, 3, 2, 1, 0, 1, 2, 3, 4]
複製程式碼

理解 yield from對於接下來的部分至關重要。想要完全理解 yield from，還是來看看官方給的例子：

def accumulate():
    tally = 0
    while 1:
        next = yield
        if next is None:
            return tally
        tally += next


def gather_tallies(tallies):
    while 1:
        tally = yield from accumulate()
        tallies.append(tally)

tallies = []
acc = gather_tallies(tallies)
next(acc) # Ensure the accumulator is ready to accept values

for i in range(4):
    acc.send(i)
acc.send(None) # Finish the first tally

for i in range(5):
    acc.send(i)
acc.send(None) # Finish the second tally
print(tallies)
複製程式碼

我還專門為此錄製了一段視訊，你可以配合文字一起看，或者你也可以開啟 pycharm 以及任何除錯工具，自己除錯一下。 視訊連結

來一起 break down：

從acc = gather_tallies(tallies)這一行開始，由於gather_tallies函式中有一個 yield，所以不會while 1立即執行(你從視訊中可以看到，acc 是一個 generator 型別)。

next(acc)：

next()會執行到下一個 yield，或者報StopIteration錯誤。

next(acc)進入到函式體gather_tallies，gather_tallies中有一個yield from accumulate()，next(acc)不會在這一處停，而是進入到『subgenerator』accumulate裡面，然後在next = yield處，遇到了yield，然後暫停函式，返回。

for i in range(4):
    acc.send(i)
複製程式碼

理解一下 acc.send(value)有什麼用：

第一步：回到上一次暫停的地方
第二步：把value 的值賦給 xxx = yield 中的xxx，這個例子中就是next。

accumulate函式中的那個while 迴圈，通過判斷next的值是不是 None 來決定要不要退出迴圈。在for i in range(4)這個for迴圈裡面，i 都不為 None，所以 while 迴圈沒有斷。但是，根據我們前面講的：next()會執行到下一個 yield的地方停下來，這個 while 迴圈一圈，又再次遇到了yield，所以他會暫停這個函式，把控制權交還給主執行緒。

理清一下：對於accumulate來說，他的死迴圈是沒有結束的，下一次通過 next()恢復他執行時，他還是在執行他的死迴圈。對於gather_tallies來說，他的yield from accumulate()也還沒執行完。對於整個程式來說，確實在主程式和accumulate函式體之間進行了多次跳轉。

接下來看第一個acc.send(None)：這時next變數的值變成了None，if next is None條件成立，然後返回tally給上一層函式。（計算一下，tally 的值為0 + 1 + 2 + 3 = 6）。這個返回值就賦值給了gather_tallies中的gally。這裡需要注意的是，gather_tallies的死迴圈還沒結束，所以此時呼叫next(acc)不會報StopIteration錯誤。

for i in range(5):
    acc.send(i)
acc.send(None) # Finish the second tally
複製程式碼

這一部分和前面的邏輯是一樣的。acc.send(i)會先進入gather_tallies，然後進入accumulate，把值賦給next。acc.send(None)停止迴圈。最後tally的值為10（0 + 1 + 2 + 3 + 4）。

最終tallies列表為：[6,10]。

Python async await發展簡史

看一下 wikipedia 上 Coroutine的定義：

Coroutines are computer program components that generalize subroutines for non-preemptive multitasking, by allowing execution to be suspended and resumed.

關鍵點在於by allowing execution to be suspended and resumed.（讓執行可以被暫停和被恢復）。通俗點說，就是：

coroutines are functions whose execution you can pause。（來自How the heck does async/await work in Python 3.5?）

這不就是生成器嗎？

python2.2 - 生成器起源

Python生成器的概念最早起源於 python2.2(2001年)時剔除的 pep255，受Icon 程式語言啟發。

生成器有一個好處，不浪費空間，看下面這個例子：

def eager_range(up_to):
    """Create a list of integers, from 0 to up_to, exclusive."""
    sequence = []
    index = 0
    while index < up_to:
        sequence.append(index)
        index += 1
    return sequence
複製程式碼

如果用這個函式生成一個10W 長度的列表，需要等待 while 迴圈執行結束返回。然後這個sequence列表將會佔據10W 個元素的空間。耗時不說（從能夠第一次能夠使用到 sequence 列表的時間這個角度來看），佔用空間還很大。

藉助上一部分講的yield，稍作修改：

def lazy_range(up_to):
    """Generator to return the sequence of integers from 0 to up_to, exclusive."""
    index = 0
    while index < up_to:
        yield index
        index += 1
複製程式碼

這樣就只需要佔據一個元素的空間了，而且立即就可以用到 range，不需要等他全部生成完。

python2.5 : send stuff back

一些有先見之明的前輩想到，如果我們能夠利用生成器能夠暫停的這一特性，然後想辦法新增 send stuff back 的功能，這不就符合維基百科對於協程的定義了麼？

於是就有了pep342。

pep342中提到了一個send()方法，允許我們把一個"stuff"送回生成器裡面，讓他接著執行。來看下面這個例子：

def jumping_range(up_to):
    """Generator for the sequence of integers from 0 to up_to, exclusive.

    Sending a value into the generator will shift the sequence by that amount.
    """
    index = 0
    while index < up_to:
        jump = yield index
        if jump is None:
            jump = 1
        index += jump


if __name__ == '__main__':
    iterator = jumping_range(5)
    print(next(iterator))  # 0
    print(iterator.send(2))  # 2
    print(next(iterator))  # 3
    print(iterator.send(-1))  # 2
    for x in iterator:
        print(x)  # 3, 4
複製程式碼

這裡的send把一個『stuff』送進去給生成器，賦值給 jump，然後判斷jump 是不是 None，來執行對應的邏輯。

python3.3 yield from

自從Python2.5之後，關於生成器就沒做什麼大的改進了，直到 Python3.3時提出的pep380。這個 pep 提案提出了yield from這個可以理解為語法糖的東西，使得編寫生成器更加簡潔：

def lazy_range(up_to):
    """Generator to return the sequence of integers from 0 to up_to, exclusive."""
    index = 0
    def gratuitous_refactor():
        nonlocal index
        while index < up_to:
            yield index
            index += 1
    yield from gratuitous_refactor()
複製程式碼

第一節我們已經詳細講過 yield from 了，這裡就不贅述了。

python3.4 asyncio模組

插播：事件迴圈（eventloop）

如果你有 js 程式設計經驗，肯定對事件迴圈有所瞭解。

理解一個概念，最好也是最有bigger的就是翻出 wikipedia：

an event loop "is a programming construct that waits for and dispatches events or messages in a program" - 來源於Event loop - wikipedia

簡單來說，eventloop 實現當 A 事件發生時，做 B 操作。拿瀏覽器中的JavaScript事件迴圈來說，你點選了某個東西（A 事件發生了），就會觸發定義好了的onclick函式（做 B 操作）。

在 Python 中，asyncio 提供了一個 eventloop（回顧一下上一篇的例子），asyncio 主要聚焦的是網路請求領域，這裡的『A 事件發生』主要就是 socket 可以寫、 socket可以讀(通過selectors模組)。

到這個時期，Python 已經通過Concurrent programming的形式具備了非同步程式設計的實力了。

Concurrent programming只在一個 thread 裡面執行。go 語言blog 中有一個非常不錯的視訊：Concurrency is not parallelism，很值得一看。

這個時代的 asyncio 程式碼

這個時期的asyncio程式碼是這樣的：

import asyncio

# Borrowed from http://curio.readthedocs.org/en/latest/tutorial.html.
@asyncio.coroutine
def countdown(number, n):
    while n > 0:
        print('T-minus', n, '({})'.format(number))
        yield from asyncio.sleep(1)
        n -= 1

loop = asyncio.get_event_loop()
tasks = [
    asyncio.ensure_future(countdown("A", 2)),
    asyncio.ensure_future(countdown("B", 3))]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()
複製程式碼

輸出結果為：

T-minus 2 (A)
T-minus 3 (B)
T-minus 1 (A)
T-minus 2 (B)
T-minus 1 (B)
複製程式碼

這時使用的是asyncio.coroutine修飾器,用來標記某個函式可以被 asyncio 的事件迴圈使用。

看到yield from asyncio.sleep(1)了嗎？通過對一個asyncio.Future object yield from，就把這個future object 交給了事件迴圈，當這個 object 在等待某件事情發生時（這個例子中就是等待 asyncio.sleep(1)，等待 1s 過後），把函式暫停，開始做其他的事情。當這個future object 等待的事情發生時，事件迴圈就會注意到，然後通過呼叫send()方法，讓它從上次暫停的地方恢復執行。

break down 一下上面這個程式碼：

事件迴圈開啟了兩個countdown()協程呼叫，一直執行到yield from asyncio.sleep(1)，這會返回一個 future object，然後暫停，接下來事件迴圈會一直監視這兩個future object。1秒過後，事件迴圈就會把 future object send()給coroutine，coroutine又會接著執行，列印出T-minus 2 (A)等。

python3.5 async await

python3.4的

@asyncio.coroutine
def py34_coro():
    yield from stuff()
複製程式碼

到了 Python3.5，可以用一種更加簡潔的語法表示：

async def py35_coro():
    await stuff()
複製程式碼

這種變化，從語法上面來講並沒什麼特別大的區別。真正重要的是，是協程在 Python 中哲學地位的提高。 在 python3.4及之前，非同步函式更多就是一種很普通的標記（修飾器），在此之後，協程變成了一種基本的抽象基礎型別（abstract base class）：class collections.abc.Coroutine。

How the heck does async/await work in Python 3.5?一文中還講到了async、await底層 bytecode 的實現，這裡就不深入了，畢竟篇幅有限。

把 async、await看作是API 而不是 implementation

Python 核心開發者（也是我最喜歡的 pycon talker 之一）David M. Beazley在PyCon Brasil 2015的這一個演講中提到：我們應該把 async和await看作是API，而不是實現。 也就是說，async、await不等於asyncio，asyncio只不過是async、await的一種實現。（當然是asyncio使得非同步程式設計在 Python3.4中成為可能，從而推動了async、await的出現）

他還開源了一個專案github.com/dabeaz/curi…，底層的事件迴圈機制和 asyncio 不一樣，asyncio使用的是future object，curio使用的是tuple。同時，這兩個 library 有不同的專注點，asyncio 是一整套的框架，curio則相對更加輕量級，使用者自己需要考慮到事情更多。

How the heck does async/await work in Python 3.5?此文還有一個簡單的事件迴圈實現例子，有興趣可以看一下，後面有時間的話也許會一起實現一下。

總結一下

協程只有一個 thread。
作業系統排程程式、協程用事件迴圈排程函式。
async、await 把協程在 Python 中的哲學地位提高了一個檔次。

最重要的一點感受是：Nothing is Magic。現在你應該能夠對 Python 的協程有了在整體上有了一個把握。

如果你像我一樣真正熱愛電腦科學，喜歡研究底層邏輯，歡迎關注我的微信公眾號：

非同步程式設計 101：Python async await發展簡史