从数据处理到并发编程 ==================== > 目前为止的故事 + 协程和生成器很相似 + 你能够创建一组小的处理组件，然后把他们连接起来 + 你能够通过设置管道线，数据流图等等来处理数据 + 你能够在代码中使用协程来处理棘手的执行。(例如事件驱动系统) + 然而这里有更多的事情你可以做 > 一个通用的主题 + 你能够发送数据到协程 + 你能够发送数据到线程(经过队列) + 你能够发送数据到进程(经过消息) + 协程很自然地和那些包括线程和分布式系统的问题绑定到了一起 > 基础的并发 + 你可以将协程打包到线程或者子进程中，通过添加额外的层级。  + 将会勾画一些基础的想法 > 一个线程目标 ```python @coroutine def threaded(target): message = Queue() # 一个消息队列 def run_target(): """ run_target 一个永久循环的线程，从消息队列中拉取消息，将他们发送到目标之中 """ while True: item = message.get() if item is GeneratorExit: target.close() return else: target.send(item) Thread(target=run_target).start() # 接收消息，并把他们发送到线程之中 try: while True: item = (yield) message.put(item) except GeneratorExit: # 通过 GeneratorExit 异常来让线程正确地关闭 message.put(GeneratorExit) ``` ```python if __name__ == '__main__': xml.sax.parse("test.xml", EventHandler( emails_to_dicts( threaded( filter_on_field("title", "Test Mail", filter_on_field("title", "Test Mail", show_email_message() ) ) ) ) )) ``` + 注意，增加线程让这个例子慢了将近50% > 一个图片 + 这里有一个上个例子的直观图片:  > 一个子进程目标 + 也能够通过管道或者文件来桥接两个协程 ```python @coroutine def sendto(f): try: while True: item = (yield) pickle.dump(item, f) f.flush() except StopIteration: f.close() @coroutine def recvfrom(f, target): try: while True: item = pickle.load(f) target.send(item) except EOFError: target.close() ``` + 高等级的图片  + 当然，魔鬼在于细节 + 你可以不实现这个例子，除非你能够回复底层通信的细节(比如你有多个CPU同时这里有足够多的进程来让这样做是值得的) > 实现 VS 环境 + 通过协程，你可以从任务的执行环境中分离它的实现。 + 协程是被执行了的 + 环境是你可以选择的(线程，子进程，网络等等)