用Python生成器实现微线程编程的教程

微线程领域（至少在 Python 中）一直都是 Stackless Python 才能涉及的特殊增强部分。关于 Stackless 的话题以及最近它经历的变化，可能本身就值得开辟一个专栏了。但其中简单的道理就是，在“新的 Stackless”下，延续（continuation）显然是不合时宜的，但微线程还是这个项目 存在的理由。这一点很复杂……

刚开始，我们还是先来回顾一些内容。那么，什么是微线程呢？ 微线程基本上可以说是只需要很少的内部资源就可以运行的进程 ― 并且是在 Python 解释器的单个实例中（在公共内存空间中，等等）运行的进程。有了微线程，我们就可能在目前中等性能的 PC 机上运行数以万计的并行进程，还可以每秒钟几十万次地在上下文之间切换。对 fork() 的调用或标准的 OS 线程调用根本不能达到这个程度！甚至所谓的“轻量级”线程库中的线程也比这里提出的微线程“重”好几个数量级。

我在本专栏中介绍的轻便线程的含义与 OS 线程的含义有一点不同。就这点而言，它们与 Stackless 所提供的也不尽相同。在很多方面，轻便线程比大多数变体都简单得多；大多数关于信号、锁定及诸如此类的问题都不存在了。简单性的代价就是，我提出了一种“协作多线程”的形式；我觉得在标准 Python 框架中加入抢占并不可行（至少在非 Stackless 的 Python 2.2 中 — 没有人知道 __future__ 会带来什么）。

轻便线程在某种意义上会令人回想起较早的 Windows 和 MacOS 版本的协作多任务（不过是在单个应用程序中）。然而，在另一种意义上，轻便线程只不过是在程序中表达流的另一种方式；轻便线程所做的一切（至少在原则上）都可以用“真正庞大的 if/elif 块”技术来完成（蛮干的程序员的黔驴之计）。

一种用简单的生成器模拟协同程序的机制。这个机制的核心部分非常简单。 scheduler() 函数中包装了一组生成器对象，这个函数控制将控制流委托给合适的分支的过程。这些协同程序并不是 真正的协同程序，因为它们只控制到 scheduler() 函数和来自该函数的分支。不过出于实用的目的，您可以用非常少的额外代码来完成同样的事情。 scheduler() 就是类似于下面这样的代码：
清单 1. 模拟协同程序的 Scheduler()

def scheduler(gendct, start): global cargo coroutine = start while 1:  (coroutine, cargo) = gendct[coroutine].next()

关于这个包装器要注意的一点是，每个生成器／协同程序都会生成一个包含它的预期分支目标的元组。生成器／协同程序基本上都在 GOTO 目标处退出。为了方便起见，我还让生成器生成了一个标准的 cargo 容器，作为形式化在协同程序之间传送的数据的方法 — 不过您也可以只用已经达成一致的全局变量或回调 setter/getter 函数来传送数据。Raymond Hettinger 撰写了一个 Python 增强倡议（Python Enhancement Proposal，PEP），旨在使传送的数据能被更好地封装；可能今后的 Python 将包括这个倡议。