协同程序与连续程序与生成器

小开

协同程序是几个程序之一，轮流做他们的工作，然后暂停给予控制的其他协同程序在组。

Continution 是传递给某个过程的“指向函数的指针”，在该过程完成时执行。

发电机(在。NET)是一种语言结构，它可以输出一个值，“暂停”方法的执行，然后在请求下一个值时从同一点继续执行。

小开

最佳答案

我会从发电机开始，因为它们是最简单的情况。正如@zvolkov 提到的，它们是可以重复调用而不返回的函数/对象，但是当被调用时将返回(生成)一个值，然后挂起它们的执行。当他们再次被调用时，他们将从上次暂停执行的地方重新开始，再次执行他们的任务。

发生器本质上是一个削减(非对称)协程。协同程序和生成器之间的区别在于，协同程序可以在最初调用之后接受参数，而生成器不能。

想出一个使用协程的简单示例有点困难，但这里是我最好的尝试。以这段(编写的) Python 代码为例。

def my_coroutine_body(*args):
while True:
# Do some funky stuff
*args = yield value_im_returning
# Do some more funky stuff


my_coro = make_coroutine(my_coroutine_body)


x = 0
while True:
# The coroutine does some funky stuff to x, and returns a new value.
x = my_coro(x)
print x

使用协程的一个例子是 lexer 和解析器。没有语言中的协程或者模拟，词法分析和解析代码需要混合在一起，即使它们实际上是两个独立的问题。但是使用协同程序，您可以将词法分析和解析代码分离出来。

(我将略过对称协程和非对称协程之间的区别。可以说它们是等价的，你可以从一个转换到另一个，非对称协程——最像生成器——更容易理解。我概述了如何在 Python 中实现非对称协程。)

延续实际上是相当简单的野兽。它们都是代表程序中另一个点的函数，如果你调用它，它会导致执行自动切换到函数所代表的点。你每天都在使用非常受限的版本，甚至都没有意识到。例如，异常可以被认为是一种由内而外的延续。我将给出一个基于 Python 的延续伪代码示例。

假设 Python 有一个名为 callcc()的函数，这个函数有两个参数，第一个是函数，第二个是用来调用它的参数列表。对该函数的唯一限制是，它接受的最后一个参数将是一个函数(这将是我们当前的延续)。

def foo(x, y, cc):
cc(max(x, y))


biggest = callcc(foo, [23, 42])
print biggest

会发生的情况是，callcc()依次调用具有当前延续(cc)的 foo()，即对程序中调用 callcc()的点的引用。当 foo()调用当前延续时，本质上就相当于告诉 callcc()返回你调用当前延续时使用的值，当它这样做时，它会回滚堆栈到创建当前延续的地方，也就是说，当你调用 callcc()时。

所有这一切的结果将是我们假设的 Python 变体将打印 '42'。

我希望这有所帮助，我相信我的解释可以得到很大的改进！

小开

在较新版本的 Python 中，您可以使用 generator.send()将值发送到 Generators，这使得 Python Generators 有效地协同工作。

Python Generator 与其他生成器(比如 greenlet)的主要区别在于，在 python 中，yield value只能返回给调用者。在 greenlet 中，target.switch(value)可以将您带到一个特定的目标协同程序，并产生一个值，target将继续运行。