可爱的 Python: 用 Python 生成器实现“轻便线程”

核心提示： 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，可爱的 Python: 用 Python 生成器实现“轻便线程”(2)，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

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）。

回忆协同程序

本专栏的前面一部分提出了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。

新的调度程序

对于轻便线程来说，它们的需求与协同程序的需求稍有不同。不过我们还是可以在它的核心处使用 scheduler() 函数。不同之处在于，调度程序本身应该决定分支目标，而不是从生成器／协同程序接收分支目标。下面让我向您展示一个完整的测试程序和样本：