协程 vs. 续体 vs. 生成器

Question

协程 vs. 续体 vs. 生成器

pythongeneratorcoroutinecontinuations

167

协程、续延和生成器有何不同?

- Mehdi Asgari

3

协程和续延是否有效等效？我知道可以使用续延来模拟协程，但是能否使用协程来模拟续延，因为续延严格来说更加强大？请注意不要改变原意。 - nalply

3个回答

34

Coroutine是几个过程之一，它们轮流执行任务，然后暂停以将控制权交给组中的其他协程。

Continuation是一个“指向函数”的指针，您可以将其传递给某些过程，在该过程完成时执行（“继续”）。

Generator（在.NET中）是一种语言构造，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。

- zvolkov

我意识到答案可能不准确，但在这个问题的水平上，我尽量保持简单。此外，我自己也不是很理解这一切 :) - Andriy Volkov

Python中的生成器类似于C#版本，但它被实现为创建迭代器对象实例的特殊语法，该迭代器对象返回您提供的“函数”定义返回的值。 - Benson

2

一个小修正：“……包括调用堆栈和所有变量，但不包括它们的值”（或者只是省略“所有变量”）。Continuations 不会保留值，它们只包含调用堆栈。 - nalply

不，continuations（延续）不是“指向函数的指针”。在最简单的实现中，它包含一个指向函数的指针和一个环境来保存局部变量。除非使用类似于call/cc的东西来捕获它并返回值，否则它永远不会返回。 - NalaGinrut

13

在更新版本的Python中，您可以使用generator.send()向生成器发送值，这使得Python生成器有效地成为协程。

Python生成器和其他生成器（例如Greenlet）之间的主要区别在于，在Python中，您的yield value只能返回给调用者。而在Greenlet中，target.switch(value)可以将您带到特定的目标协程并产生一个值，其中target将继续运行。

- Yichuan Wang

4

但在Python中，所有yield调用必须在同一个函数中，该函数称为“生成器”。您无法从子函数中yield，这就是为什么Python被称为半协程，而Lua具有不对称协程的原因。（虽然有关于传播yield的提案，但我认为那只会让事情更加混乱。） - cdunn2001

9

Python3.3引入了"yield from"表达式，允许你从子生成器中使用yield。 - Linus Caldwell

@LinusCaldwell，“yield from”仍然写在生成器中，而不是在可能在生成器中调用的任意函数内。从这个意义上说，Python的协程仍然是无栈的。 - Gqqnbig

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Keith Gaughan · Accepted Answer

我将从生成器开始讲起，因为它们是最简单的情况。正如 @zvolkov 提到的那样，它们是可以重复调用但不返回值的函数/对象，但在调用时会返回（yield）一个值并暂停执行。当它们再次被调用时，它们将从上次挂起执行的位置开始，并再次执行。

生成器本质上是精简版的（非对称）协程。协程和生成器的区别在于，协程可以在初始调用之后接受参数，而生成器则不能。

有点难以想出一个使用协程的简单示例，但这是我最好的尝试。拿这段（虚构的）Python代码作为例子。

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

协程常用于词法分析器和解析器中。如果编程语言中没有协程或者没有模拟协程的机制，那么词法分析和解析代码需要混在一起，尽管它们实际上是两个不同的关注点。但使用协程，你可以将词法分析和解析代码分离出来。

（下面我将略去对称协程和非对称协程之间的区别，简单地说它们是等效的，你可以从一个转换到另一个，而非对称协程——最像生成器的协程——更容易理解。我将概述如何在Python中实现非对称协程。）

续延其实非常简单。它们只是代表程序中另一个点的函数，如果你调用它，执行会自动切换到该函数所代表的点。你每天都在使用它们的非常受限版本，甚至无法意识到它们的存在。比如，异常可以被看作是某种内部续延。我将给你提供一个基于Python的伪代码示例来说明续延。

假设Python有一个名为“callcc()”的函数，它接受两个参数，第一个是函数，第二个是要调用它的参数列表。这个函数的唯一限制就是它所接受的最后一个参数将是一个函数（这将是我们当前的续延）。

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

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

callcc() 会使用当前的延续（cc，也就是程序中调用 callcc() 的位置）调用 foo()。当 foo() 调用当前的延续时，实际上相当于告诉 callcc() 使用你当前调用当前延续的值返回，并且回滚栈到创建当前延续的位置，也就是调用 callcc() 的位置。

最终结果是，我们假设的 Python 变量将打印出 '42'。