花了大概三天时间阅读了这篇500 line or less|A Web Crawler With asyncio Coroutines
这应该就是真正的深入浅出吧,不仅对python3.4 coroutine进行了详细的阐述,而且源码写的很清晰(主要逻辑大概一共的是300-400行代码,写的很Pythonic)
就放一下自己的学习记录和整理,方便以后查阅和理解,感兴趣的同学强烈建议去看原文。
全文都在围绕一个coroutine来进行讲解,从并发和并行的问题,讲到使用事件循环和非阻塞实现的异步框架,讲到yield生成器,以及yield from生成器代理这么一个东西、以及如何asyncio的简单实现,最后是基于生成器的coroutine程序,也就是爬虫的实现。
重新理解yield yield 常用于生成器,我们都知道当解释器看到yield不会立刻执行它,一直等到将初始化,如给它send(None)
,然后它会运行到yield处暂停将。
定义一个fib生成器:
1 2 3 4 5 6 7 8 >>> def gen_fn () :... a,b = 1 ,1 ... yield a... n = 0 ... while n<100 :... a,b = b,a+b... yield a... n += 1
python编译后字节码
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 dis.dis(gen_fn) 2 0 LOAD_CONST 4 ((1, 1)) 3 UNPACK_SEQUENCE 2 6 STORE_FAST 0 (a) 9 STORE_FAST 1 (b) 3 12 LOAD_FAST 0 (a) 15 YIELD_VALUE 16 POP_TOP 4 17 LOAD_CONST 2 (0) 20 STORE_FAST 2 (n) 5 23 SETUP_LOOP 48 (to 74) >> 26 LOAD_FAST 2 (n) 29 LOAD_CONST 3 (100) 32 COMPARE_OP 0 (<) 35 POP_JUMP_IF_FALSE 73 6 38 LOAD_FAST 1 (b) 41 LOAD_FAST 0 (a) 44 LOAD_FAST 1 (b) 47 BINARY_ADD 48 ROT_TWO 49 STORE_FAST 0 (a) 52 STORE_FAST 1 (b) 7 55 LOAD_FAST 0 (a) 58 YIELD_VALUE 59 POP_TOP 8 60 LOAD_FAST 2 (n) 63 LOAD_CONST 1 (1) 66 INPLACE_ADD 67 STORE_FAST 2 (n) 70 JUMP_ABSOLUTE 26 >> 73 POP_BLOCK >> 74 LOAD_CONST 0 (None) 77 RETURN_VALUE
1 2 >>> len(fn.gi_code.co_code)78
可以看到一共78行字节码,注意第15行: 15 YIELD_VALUE
可以看到,当给它发送一个None
,程序就会开始运行,此时程序解释到yield
便停下来了
1 2 >>> fn.gi_frame.f_lasti15
这就是生成器的定位变量,last position
,这个记录了生成器运行停止的位置。当下次运行就可以继续从这里运行
1 2 >>> fn.gi_frame.f_locals{'a' : 1 , 'b' : 1 }
这就是生成器的模拟栈的保存变量的数据结构
1 2 3 4 5 6 7 8 >>> fn.send(None )1 >>> fn.gi_frame.f_locals{'n' : 0 , 'a' : 1 , 'b' : 2 } >>> fn.send(None )2 >>> fn.gi_frame.f_locals{'n' : 1 , 'a' : 2 , 'b' : 3 }
所以,基于yield的生成器就有个懒加载的特性。
需要注意的是生成器和传统的函数不一样,它的切换是不是靠实打实的栈来保存上下文切换的相关信息的,而是靠在堆中创建的栈模拟对象来实现的,所以对于python程序而言,利用yield
就可以自己调度自己的程序。这就是一个coroutine
的原型,之后再提
传统的函数调用是这样: Python解释器是一个正常的C程序,所以它的堆栈帧是正常的堆栈帧,当一个函数调用一个子函数,这个被调用函数获得控制权。直到它返回或者有异常发生,才把控制权交给调用者。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 >>> import inspect>>> frame = None >>> def bar () :... a = 1 ... foo(a)... >>> def foo (a) :... print(a)... global frame... frame = inspect.currentframe()>>> bar()1 >>> frame.f_code.co_name'foo' >>> frame.f_back<frame object at 0x10254a8 > >>> caller_frame = frame.f_back>>> caller_frame.f_code.co_name'bar'
可以看出记录关系
yield from 看看yield from 这也是一个很有意思的东西:具备yield from
的函数我们也将其作为一个生成器,它的特点是:内部还有一个生成器。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 >>> def gen_fn () :... result = yield 1 ... print('result of yield: {}' .format(result))... result2 = yield 2 ... print('result2 of yield: {}' .format(result2))... return 'done' ... >>> def call_fn () :... gen = gen_fn()... rv = yield from gen... print('return values of yield-from: {}' .format(rv))>>> caller = call_fn()>>> caller.send(None )1 >>> caller.gi_frame.f_lasti15 >>> caller.send('hello' )result of yield : hello 2 >>> caller.gi_frame.f_lasti15 >>> import dis>>> dis.dis(caller) 2 0 LOAD_GLOBAL 0 (gen_fn) 3 CALL_FUNCTION 0 (0 positional, 0 keyword pair) 6 STORE_FAST 0 (gen) 3 9 LOAD_FAST 0 (gen) 12 GET_YIELD_FROM_ITER 13 LOAD_CONST 0 (None ) 16 YIELD_FROM 17 STORE_FAST 1 (rv) 4 20 LOAD_GLOBAL 1 (print ) 23 LOAD_CONST 1 ('return values of yield-from: {}' ) 26 LOAD_ATTR 2 (format) 29 LOAD_FAST 1 (rv) 32 CALL_FUNCTION 1 (1 positional, 0 keyword pair) 35 CALL_FUNCTION 1 (1 positional, 0 keyword pair) 38 POP_TOP 39 LOAD_CONST 0 (None ) 42 RETURN_VALUE
函数在执行每个语句之前递增其指令指针(PC),但是在外部生成器执行yield from
之后,它从其指令指针中减去1以保持自己固定在yield from
语句。所以caller.gi_frame.f_lasti
停在了15行
它的效果是,使用yield from
的调用者和内部的生成器之间建立了一个数据交流的管道。
比如caller
再通过send(xxx)
发送一个值,会直接发送到gen这个生成器中。生成器接着执行任务,再执行到yield
语句再返回,这个数据会通过yield from
传递到最外面的caller
,线程切换到最外层逻辑执行,直到caller再次发送信息,以此循环。直到内部发生器抛出StopIteration
。期间,caller.gi_frame.f_lasti
一直停在了15行
需要注意的是这个StopIteration
可以在caller的逻辑中catch
,也可以在内部yield from
处进行捕获。如果你想让yield from
下的程序继续执行的话就需要在yield from
捕获
异步io和事件循环 在看异步io之前先看段同步的代码:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 import socketdef fetch (link) : sock = socket.socket() sock.connect(('www.zhxfei.com' ,80 )) request = 'GET {} HTTP/1.0\r\nHOST: zhxfei.com\r\n\r\n' .format(link) sock.send(request.encode('ascii' )) response = b'' chunk = sock.recv(4096 ) while chunk: response += chunk chunk = sock.recv(4096 ) print(response) fetch('/' )
这是一个简单的同步阻塞的套接字客户端程序,调用sock.connect(())
是阻塞的,其在client端发送第三次握手报文之后返回,即在TCP前两次握手,此程序不能继续往下执行,等待connect
返回。
而一个非阻塞的程序是这样的:
1 2 3 4 5 6 7 8 9 10 11 12 13 import socketsock = socket.socket() sock.setblocking(False ) try : sock.connect(('zhxfei.com' , 80 )) except BlockingIOError: pass request = 'GET /353/ HTTP/1.0\r\nHost: zhxfei.com\r\n\r\n' encoded = request.encode('ascii' ) ... so on
当sock.connect
发起调用便直接返回了,去准备待会要发送的request
,非阻塞经常和事件驱动连用,在linux上就是epoll
了。
epoll 使用一个文件描述符管理多个描述符,将用户关系的文件描述符的事件存放到内核的一个事件表中,这样在用户空间和内核空间的copy只需一次。epoll支持水平触发和边缘触发,最大的特点在于「边缘触发」,它只告诉进程哪些刚刚变为就绪态,并且只会通知一次。 epoll技术的编程模型就是异步非阻塞回调,也可以叫做Reactor、事件驱动、事件轮循(EventLoop)、libevent、Tornado、Node.js这些就是epoll时代的产物。
这里提到了事件循环:事件循环就“是一种等待程序分配事件或消息的编程架构”。基本上来说事件循环就是,“A发起调用前,注册时间循环,当A发起调用,直接返回到事件循环,当循环监听到A注册的具体事件,执行B”。引用网上的一段翻译文档:
最简单的例子来解释这一概念就是用每个浏览器中都存在的JavaScript事件循环。当你点击了某个东西(“当A发生时”),这一点击动作会发送给JavaScript的事件循环,并检查是否存在注册过的 onclick 回调来处理这一点击(“执行B”)。只要有注册过的回调函数就会伴随点击动作的细节信息被执行。事件循环被认为是一种循环是因为它不停地收集事件并通过循环来发如何应对这些事件。事件循环也经常用于在别的线程或子进程中执行代码,并将事件循环作为调节机制(例如,合作式多任务)。如果你恰好理解 Python 的 GIL,事件循环对于需要释放 GIL 的地方很有用
举一个例子:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 import threadingimport socketimport timefrom selectors import DefaultSelector,\ EVENT_WRITE,\ EVENT_READ host = 'baidu.com' selector = DefaultSelector() class Fetcher : def __init__ (self,url) : self.url = url self.res = b'' self.sock = None def fetch (self) : self.sock = socket.socket() self.sock.setblocking(False ) print('Thread {} : socket init' .format(threading.currentThread())) try : self.sock.connect((host,80 )) except BlockingIOError: pass selector.register(self.sock.fileno(), EVENT_WRITE, self.connneted) def connneted (self,key,mask) : selector.unregister(key.fd) print('connected....' ) print('Thread {} : socket connected' .format( threading.currentThread())) request = 'GET {} HTTP/1.1\r\nHOST: {}\r\n\r\n' .format( self.url,host).encode('utf-8' ) self.sock.send(request) selector.register(key.fd, EVENT_READ, self.read_res) def read_res (self,key,mask) : print('Thread {} : socket readable' .format( threading.currentThread())) chunk = self.sock.recv(4096 ) if chunk: self.res += chunk else : selector.unregister(key.fd) ''' a crawler may have some code just like: global stopped #全局停止标志位 links = self.parse_link(self.response) #解析出link to_do_link.add(links) #将link添加到to do list seen_link.add(self.url) #将self.url添加到已经download过的集合中 to_do_link.remove(links) #将self.url在to do list集合中删除 if not to_do_link: stopped == True ''' def loop () : fetcher = Fetcher('/' ) fetcher.fetch() while True : events = selector.select() for event_key,event_mask in events: callback = event_key.data callback(event_key,event_mask) print('callback time:{}' .format(time.time())) print(fetcher.res) loop()
1 2 3 4 5 6 7 8 9 zhxfei@zhxfei-HP-ENVY-15-Notebook-PC:~/code/python/500lines$ sudo python3 non_blocking_test.py Thread <_MainThread(MainThread, started 139838592571136)> : socket init connected.... Thread <_MainThread(MainThread, started 139838592571136)> : socket connected callback time:1489293273.1518176 b'' Thread <_MainThread(MainThread, started 139838592571136)> : socket readable callback time:1489293273.182348 b'HTTP/1.1 200 OK\r\nDate: Sun, 12 Mar 2017 04:34:33 GMT\r\nServer: Apache\r\nLast-Modified: Tue, 12 Jan 2010 13:48:00 GMT\r\nETag: "51-47cf7e6ee8400"\r\nAccept-Ranges: bytes\r\nContent-Length: 81\r\nCache-Control: max-age=86400\r\nExpires: Mon, 13 Mar 2017 04:34:33 GMT\r\nConnection: Keep-Alive\r\nContent-Type: text/html\r\n\r\n<html>\n<meta http-equiv="refresh" content="0;url=http://www.baidu.com/">\n</html>\n'
这个demo执行逻辑就是:发起调用前在事件循环上注册信息和回调函数,当非阻塞的调用返回之后,回到事件循环,由事件循环监听对应的注册的信息,如套接字可读,可写等事件发生,发起调用。
在这里connect
注册了可写,发起connect
非阻塞调用,之后回到事件循环,监听事件发生,socket可写之后,调用callback函数connected
,在回调函数中,发送http请求,并在此注册可读事件,以及读事件发生的回调函数,之后再次回到事件循环,事件循环监听事件读发生,再次调用read_res
,就这样,我们的逻辑将靠着注册->event loop->callback回调
运行下去。需要注意的是,这里进行操作的是一个线程。
这个程序使用了一个selector
的模块,这个模块将epoll
、kqueue
等等系统级异步IO接口抽象成Selector
类型,规定了统一的对外接口,于是程序只管使用selector
的接口就行了。一般使用selectors.DefaultSelector
就好了,它是这个模块根据你的系统自动帮你选择的最合适的Selector
。
我们可以知道当等待I/O操作时,一个函数必须明确的保存它的状态,因为它会在I/O操作完成之前返回并清除栈帧。一个基于回调的异步框架,语言特性不能帮助我们保存程序的状态。
为了在我们基于回调的例子中代替局部变量,我们把sock
和response
作为Fetcher
实例self
属性。为了代替指令指针,通过注册connnected
和read_response
回调来保存continuation。
这种完全依赖于callback的程序有很多问题,如
意大利面条式的程序
因为”stack ripping”问题而非常难于调试
所以大神们想出了使用yield
生成器进行回调,上面提到过,生成器可以保存相关的信息,在适当的时候再切换回生成器继续执行,这样看起来,这天生就是一个callback
。
但是需要注意的是,既然我们用生成器,就要考虑几个问题。
如何优雅的初始化和退出生成器
如何控制生成器让其进行回调
每次切换回生成器如何恢复其状态
如下面这段代码:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 import socketfrom selectors import DefaultSelector,\ EVENT_READ,\ EVENT_WRITE selector = DefaultSelector() class Future : def __init__ (self) : self.result = None self._callbacks = [] def add_done_callback (self, fn) : self._callbacks.append(fn) def set_result (self, result) : self.result = result for fn in self._callbacks: fn(self) class Task : def __init__ (self, coro) : self.coro = coro f = Future() f.set_result(None ) self.step(f) def step (self, future) : try : next_future = self.coro.send(future.result) except StopIteration: return next_future.add_done_callback(self.step) def connect (sock, address) : f = Future() sock.setblocking(False ) try : sock.connect(address) except BlockingIOError: pass def on_connected () : f.set_result(None ) selector.register(sock.fileno(), EVENT_WRITE, on_connected) yield from f selector.unregister(sock.fileno()) def read (sock) : f = Future() def on_readable () : f.set_result(sock.recv(4096 )) selector.register(sock.fileno(), EVENT_READ, on_readable) chunk = yield from f selector.unregister(sock.fileno()) return chunk def read_all (sock) : response = [] chunk = yield from read(sock) while chunk: response.append(chunk) chunk = yield from read(sock) return b'' .join(response) class Fetcher : def __init__ (self, url) : self.response = b'' self.url = url def fetch (self) : sock = socket.socket() yield from connect(sock, ('zhxfei.com' , 80 )) get = 'GET {} HTTP/1.0\r\nHost: zhxfei.com\r\n\r\n' .format(self.url) sock.send(get.encode('ascii' )) self.response = yield from read_all(sock) ''' the program is not end ''' def loop () : fetcher = Fetcher('/' ) Task(fetcher.fetch()) while True : events = selector.select() for event_key,event_mask in events: callback = event_key.data callback(event_key,event_mask) loop()
终于到这段程序了,这段程序困扰了我一个晚上(仅供分析),上面的程序是简化版本。放两张图感受下:
OK,上面我们可以看见:
它用了一个Task
来控制生成器的初始化和结束,并且控制生成器的回调,它是一个生成器最顶层的caller
。在它控制的子程序中,还嵌套yield from
,在子子程序中,也许还嵌套着yield from
,到处使用这种yield from
的好处是可以解耦这个协同工作的程序的实现和调用,符合了开闭原则。 它用一个future
表示了生成器在切换的时候希望保存的一些信息如results
以及什么时候进行回调。我们在事件循环上进行了回调函数的操作,这个回调函数是希望生成器继续运行的保障,它实际上注册的是一个这个生成器调度的一段主程序。
这是一段设计十分精巧的逻辑,也许是我太too young too native
,不得不说,我叹服你的技巧
基于yield的coroutine 这种基于生成器协调工作的程序,就是协程(coroutine)。源码关于这个逻辑大概300行,我将其简化下,去掉了一些日志、命令行解析、爬虫等等具体实现。
其实我就是想看看这个py3.4
版本的coroutine
是如何工作及应用的,我保留了生产者和消费者的模式,线程在对象初始化的时候向Queue
写入了5个task,之后这个协程在self.queue.join
被暂停,等待queue
中的任务被消费
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 from asyncio import Queueimport aiohttpimport asyncioimport pdbimport threadingimport timeroots = [ 'www.zhxfei.com' , 'www.baidu.com' , 'www.google.com' , 'www.tencent.com' , 'www.qq.com' ] class Crawler : def __init__ (self,roots,max_task=5 ) : self.roots = roots self.queue = Queue() self.max_task = max_task self.seen_urls = set() for root in roots: self.add_url(root) def add_url (self,root) : if root in self.seen_urls: return self.queue.put_nowait(root) @asyncio.coroutine def crawler (self) : tasks = [asyncio.Task(self.work()) for _ in range(self.max_task)] yield from self.queue.join() for w in tasks: w.cancel() @asyncio.coroutine def work (self) : '''consume coroutine''' try : while True : url = yield from self.queue.get() print('{}' .format(threading.currentThread())) yield from self.fetch(url) self.queue.task_done() except asyncio.CancelledError: pass @asyncio.coroutine def fetch (self,url) : yield from asyncio.sleep(1 ) def main () : t1 = time.time() loop = asyncio.get_event_loop() crawler = Crawler(roots) loop.run_until_complete(crawler.crawler()) loop.close() print('COST:{}' .format(time.time() - t1)) if __name__ == '__main__' : main()
使用pdb
运行调试,你会发现程序
1 2 3 4 5 6 7 8 9 zhxfei@zhxfei-HP-ENVY-15-Notebook-PC:~/code/python/500lines$ python3 asyncio_crawler.py > /home/zhxfei/code/python/500lines/asyncio_crawler.py(59)main() -> loop.run_until_complete(crawler.crawler()) (Pdb) p crawler.queue._unfinished_tasks 5 (Pdb) c > /home/zhxfei/code/python/500lines/asyncio_crawler.py(35)crawler() -> yield from self.queue.join() (Pdb) c
之后1s就退出了程序
1 2 3 4 5 6 7 zhxfei@zhxfei-HP-ENVY-15-Notebook-PC:~/code/python/500lines$ python3 asyncio_crawler.py <_MainThread(MainThread, started 140192578610944)> <_MainThread(MainThread, started 140192578610944)> <_MainThread(MainThread, started 140192578610944)> <_MainThread(MainThread, started 140192578610944)> <_MainThread(MainThread, started 140192578610944)> COST:1.0039052963256836
可以看到,每个consume
程序都自己睡眠,而一个线程就可以在多个代码段跳转运行,完全省去了多进程/线程的创建、维护、调度、上下文切换等等开销。最重要的是:当多个线程去操作临界量的时候,为了保证线程安全,往往需要带锁操作,比如会出现临界区变量不一致的情况发生,甚至对于面对超高并发的情况下,甚至需要做出对accept
加锁这样及其消耗性能的事情,而在coroutine
看来一切都很简单。
让我们再回到上面的程序,考虑这么个问题程序是如何运行的呢?
首先程序什么时候开始?更或者说,上帝如何推动这个小球呢?
1 2 3 loop = asyncio.get_event_loop() crawler = Crawler(roots) loop.run_until_complete(crawler.crawler())
首先,我们创建了一个类似事件循环这样的东西,然后创建了crawler
这个实例并且将这个实例的主逻辑程序crawler
放到了run_until_complete
的这个方法,我们需要搞清楚这个event_loop
如何工作的
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 class EventLoop : def run_until_complete (self, coro) : """Run until the coroutine is done.""" task = Task(coro) task.add_done_callback(stop_callback) try : self.run_forever() except StopError: pass class StopError (BaseException) : """Raised to stop the event loop.""" def stop_callback (future) : raise StopError
可以看到我们的主线程被Task
包装了以下,并生成了一个task
,在初始化的时候,同时创建了5个经过Task包装的消费者进程,即work
,其也是一个协同程序,并且也用Task
包装了一下。这个task 其实是future
的子类。 我们仔细看看这个Task是如何初始化协程的:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 class Task (Future) : def step (self, future) : try : next_future = self.coro.send(future.result) except CancelledError: self.cancelled = True return except StopIteration as exc: self.set_result(exc.value) return next_future.add_done_callback(self.step)
可以看到,在step
方法中,我们向传入的或者说包装的coroutine
发送了一个值,让其可以初始化。它和上面的future
还不一样,它是一个需要自我驱动且自我记录状态的future
。
直到这个corotine
即crawler()
运行到对应的协调状态保存对应的状态,也就是self.queue.join()
,其还是一个协程,并内部创建了一个Future()
的实例,并将其返回。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 class Queue : def __init__ (self) : self._join_future = Future() self._unfinished_tasks = 0 def put_nowait (self, item) : self._unfinished_tasks += 1 def task_done (self) : self._unfinished_tasks -= 1 if self._unfinished_tasks == 0 : self._join_future.set_result(None ) @asyncio.coroutine def join (self) : if self._unfinished_tasks > 0 : yield from self._join_future
且在这个future
实例也就是task
记录的状态中增加stop_callback
,并等待self.queue.join()
运行完成
之后循环会调度出其他的协调程序,即work
,work
就一直运行到self.queue.task_done()
,直到所有的协程都运行完成并停在self.queue.get()
,即队列中self._unfinished_tasks
清零。
crawler
又被唤醒,之后依次调用task对象的cancel
,向每个work
协程中抛进去一个异常asyncio.CancelledError
,work
将其捕获之后退出,之后crawler
退出,抛出StopIteration
给Task
,Task
捕获到并用set_results
消费之前注册的回调stop_callback
,抛出StopError
给事件循环,Eventloop
捕获StopError
之后close
。这个程序就结束了
逻辑可能略显混乱和复杂…
最后 其实我想说,这是python3.5
之前版本实现的基于生成器的协程
在python3.5 ,只有async def
关键字定义的函数才能被叫做协程,所以。。。。
我花了几天,学到了个假协程
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 >>> async def fn () :... await asyncio.sleep(1 )... print('hello world' )... >>> f = fn()>>> f<coroutine object fn at 0x7f2af1d6dc50 > >>> inspect.iscoroutine(f)True >>> @asyncio.coroutine... def fm () :... yield from asyncio.sleep(1 )... print('this is a coroutine' )... >>> m = fm()>>> m<generator object fm at 0x7f2aeefa53b8 > >>> inspect.iscoroutine(m)False
还是 too young too native 学无止境,慢慢来呗