python生成器中用到的 yield item 具有2个含义“产出”和“让步”。yield item这行代码会产出一个值，提供给next()调用方；此外还会做出让步，即暂停执行生成器，让调用方继续工作，直到需要使用另一个值时，才会回到生成器上次退出的地方继续执行。
从句法上看，协程与生成器类似，都是包含yield关键字的函数。但在协程中，yield表达式通常为:data = yield，可以产出值，也可以不产出（如果yield关键字后面没有表达式，那么生成器产出None）。此外，协程通常会从调用方接收数据，调用方把数据提供给协程使用.send(data)方法。
yield关键字甚至还可以不接收或传出数据。不管数据如何流动，yield都是一种流程控制工具，使用它可以实现协作式多任务：协程可以把控制器让步给中心调度程序，从而激活其它的协程。
一. 协程的概念
协程（Coroutine），又称微线程，纤程，但协程本质上是一个线程在运行。线程比进程轻量，而协程比线程还要轻量；多线程在同一个进程中运行，而协程通常也在在同一个线程中运行。
由于CPython解析器的GIL原因，多线程的效率受到了很大制约，并且在类*inux系统中，创建线程的开销并不比进程小。后来人们发现通过yield来中断代码片段的执行， 同时交出了CPU的使用权，于是线程的概念产生了，并在python3.4中正式引入。协程通过应用程序，记录上下文栈区，实现在程序执行过程中的跳跃执行。由此可以选择不阻塞的部分执行以提升运行效率。和多线程相比，协程具有如下优点：
- 线程是系统级别的它们由操作系统调度，而协程则是程序级别的由程序根据需要自己调度；
- 资源消耗少，无需多线程那样进行多核间的切换；
- 无需同步互斥操作；
- 没有C10K问题，IO并发性好，一个CPU支持上万的协程都不是问题，所以很适合用于高并发处理。
协程的缺点：
-
无法利用多核资源：协程的本质是个单线程,它不能同时将 单个CPU 的多个核用上,协程需要和进程配合才能运行在多CPU上。当然我们日常所编写的绝大部分应用都没有这个必要，除非是cpu密集型应用。
-
进行阻塞（Blocking）操作（如IO时）会阻塞掉整个程序
二. 使用yield实现协程
本部分使用到的主要方法总结如下：
| 生成器API新增的方法/特性 | 说明 |
| send(value) | 调用方可以使用.send()方法发送数据，发送的数据会成为生成器函数中yield表达式的值。 |
| throw(...) | 调用方抛出异常，并在生成器中处理。 |
| close() | 终止生成器。 |
| return | 生成器可以使用return返回一个值。 |
| yield from | 把复杂的生成器重构成小型的嵌套生成器，省去了之前把生成器工作委托给子生成器所需的大量样板代码。 |
2.1 用作协程的生成器的基本行为
使用生成器函数定义协程的例子：
def simple_coroutine():
print('-> coroutine started')
x = yield
print('-> coroutine received:', x)
coro = simple_coroutine()
next(coro)
coro.send('this message from caller.')
运行结果：示例中yield关键字右边没有表达式，所以该协程只从调用者那里接受数据，yield产出返回给调用者的值为None，即next(coro)获取的是None。调用包含yield关键字的函数，得到的是一个生成器对象，首先调用next(coro)函数，因为生成器还没启动，没在yield语句处暂停，所以一直无法发送数据。调用这个方法后，协程定义体中的yield方法被挂起，控制权回到调用方，执行coro.send(...)后，协程会恢复，一直运行到下一个yield表达式或终止。此处，yield表达式将'this message form caller'赋值给x，控制权流动到协程定义体的末尾，导致生成器抛出StopIteration异常。
协程可身处4个状态中的一个，当前状态可使用inspect.getgeneratorstate(...)函数确定，该函数返回的字符串及含义如下：
| inspect.getgeneratorstate(...)函数返回值 | 含义 |
| GEN_CREATED | 等待开始执行 |
| GEN_RUNNING | 解释器正在执行（注：只有在多线程应用中才能看到这个状态） |
| GEN_SUSPENDED | 在yield表达式处暂停（注：因为send方法的参数会作为yield表达式的值，所以，仅当程序处于暂停状态时才能调用send方法） |
| GEN_CLOSED | 执行结束 |
一个简单的例子来说明生成器（协程）的状态：
from inspect import getgeneratorstate
from time import sleep
def corotine():
for i in range(3):
sleep(0.5)
x = yield i+1
print('-> corotine x=', x)
coro = corotine()
while True:
try:
print(f'corotine status:{getgeneratorstate(coro)}')
coro.send(100)
next(coro)
print(f'corotine status:{getgeneratorstate(coro)}')
next(coro)
print(f'corotine status:{getgeneratorstate(coro)}')
except TypeError as e:
print(e)
coro = corotine()
next(coro) # 激活生成器
continue
except StopIteration:
print('coroutine is finished.')
print(f'corotine status:{getgeneratorstate(coro)}')
break
运行结果：进入循环后，生成器处于GEN_CREATED状态，尚未激活，因此send(100)将触发TypeError异常，异常信息非常清晰。最先调用next(coro)函数这一步通常视为激活协程（即让协程向前执行至第一个yield表达式，准备好作为活跃的协程使用）。
下面再举个例子，该示例定义一个产出两个值的协程：
from inspect import getgeneratorstate
def sample_coro2(a):
print('-> Started: a=', a)
b = yield a
print('-> Received: b=', b)
c = yield a + b
print('-> Received: c=', c)
coro = sample_coro2(2)
try:
print(getgeneratorstate(coro))
print('调用方:', next(coro))
print(getgeneratorstate(coro))
print('调用方:', coro.send(4))
print('调用方:', coro.send(8))
except StopIteration:
print(getgeneratorstate(coro))
运行结果：协程函数调用时并不会立即执行，所以首先打印的是GEN_CREATED，当执行next(coro)后，协程被激活，开始运行，执行到b=yield a后，暂停协程，让步CPU的使用权给调用方；调用方此刻打印coro的状态为GEN_SUSPENDED状态（即协程在yield表达式处暂停状态）。继续向下执行coro.send(4)，又将调用权给到协程，协程表达式yield a的返回值即coro.send(4)发送的4，因此打印b=4。协程继续向下执行到c=yield a+b，再次将CPU的使用权让步给调用方，调用方获取到yield a+b产出的值6。当协程函数执行到完毕，将抛出StopIteration异常，捕获此异常，打印coro的状态发现，协程已处于GEN_CLOSED状态。
2.2 一个应用协程应用的例子
下面我们介绍一个关于协程略微复杂的例子：使用协程计算平均值。
def average():
total = 0
count = 0
average = None
while True:
term = yield average
total += term
count += 1
average = total / count
这个无限循环表明，只要调用方不断把值发给这个协程，它就会一直接收值，然后生成结果。仅当调用方在协程上调用.close()方法，或者没有协程的引用而被垃圾回收程序回收时，这个协程才会终止。
这里的yield表达式用于暂停执行协程，把结果发给调用方；还用于接收调用方后面发给协程的值，恢复无限循环。使用协程的好处是，total和count声明为局部变量即可，无需使用实例属性或闭包在多次调用之间保持上下文。
运行结果：调用next(coro_ava)函数后，协程会向前执行到yield表达式，产出average变量的初始值---None，因此不会出现在控制台中。此时，yield在协程表达式处暂停，等待调用方发送值。coro_ava.send(10)发送一个值，激活协程，把发送的值赋给term，并更新total、count、average三个变量的值，然后开始while循环的下一次迭代，产出average变量的值，等待下一次为term变量赋值。
介绍到这里，细心的你可能迫切想知道如何终止averager实例，因为定义体中有个无限循环。但在讨论如何终止协程之前，我们要先知道如何启动协程。使用协程之前必须预激，可是这一步很容易忘记。下一节，我们将在协程函数上使用一个特殊的装饰器，来预激活协程。
