Python中的協程和生成器很相似但又稍有不同。主要區別在於:
首先我們先來回顧下生成器的創建過程。我們可以這樣去創建一個生成器:
def fib():
a, b = 0, 1
while True:
yield a
a, b = b, a+b
然後我們經常在for循環中這樣使用它:
for i in fib():
print i
這樣做不僅快而且不會給內存帶來壓力,因為我們所需要的值都是動態生成的而不是將他們存儲在一個列表中。更概括的說如果現在我們在上面的例子中使用yield便可獲得了一個協程。協程會消費掉發送給它的值。Python實現的grep就是個很好的例子:
def grep(pattern):
print("Searching for", pattern)
while True:
line = (yield)
if pattern in line:
print(line)
等等!yield返回了什麼?啊哈,我們已經把它變成了一個協程。它將不再包含任何初始值,相反要從外部傳值給它。我們可以通過send()方法向它傳值。這有個例子:
search = grep('coroutine')
next(search)
#output: Searching for coroutine
search.send("I love you")
search.send("Don't you love me?")
search.send("I love coroutine instead!")
output: I love coroutine instead!
發送的值會被yield接收。我們為什麼要運行next()方法呢?這樣做正是為了啟動一個協程。就像協程中包含的生成器並不是立刻執行,而是通過next()方法來響應send()方法。因此,你必須通過next()方法來執行yield表達式。
我們可以通過調用close()方法來關閉一個協程。像這樣:
search = grep('coroutine')
search.close()
函數緩存允許我們將一個函數對於給定參數的返回值緩存起來。
當一個I/O密集的函數被頻繁使用相同的參數調用的時候,函數緩存可以節約時間。
在Python 3.2版本以前我們只有寫一個自定義的實現。在Python 3.2以後版本,有個lru_cache的裝飾器,允許我們將一個函數的返回值快速地緩存或取消緩存。
我們來看看,Python 3.2前後的版本分別如何使用它。
Python 3.2及以後版本
我們來實現一個斐波那契計算器,並使用lru_cache。
from functools import lru_cache
@lru_cache(maxsize=32)
def fib(n):
if n < 2:
return n
return fib(n-1) + fib(n-2)
print([fib(n) for n in range(10)])
Output: [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]
那個maxsize參數是告訴lru_cache,最多緩存最近多少個返回值。
我們也可以輕松地對返回值清空緩存,通過這樣:
fib.cache_clear()
be based on Flask Music online