你的位置:首页 > ASP.net教程

[ASP.net教程][转载]协程


[转载]协程三讲

http://ravenw.com/blog/2011/08/24/coroutine-part-1-defination-and-classification-of-coroutine/

http://ravenw.com/blog/2011/09/01/coroutine-part-2-the-use-of-coroutines/

http://ravenw.com/blog/2011/09/06/coroutine-part-3-coroutine-and-continuation/

 

协程(一)协程的定义与分类


由于协程所带来的便利,以及使用时产生的疑惑,我深入了解了一番这个概念。回头来看,目前网上能查到的关于协程的资料实在不多,而且多数都会造 成一些迷惑和误解(主要是下文提到的概念模糊问题)。于是我决定写个系列来详细介绍这个概念,一方面加深自己的理解,一方面培养点开放共享的精神,同时也 期待大牛的指正。

协程的定义

协程的概念最早由Melvin Conway在1963年提出并实现,用于简化COBOL编译器的词法和句法分析器间的协作,当时他对协程的描述是“行为与主程序相似的子例程”。

Wiki的定义:协程是一种程序组件,是由子例程(过程、函数、例程、方法、子程序)的概念泛化而来的,子例程只有一个入口点且只返回一次,而协程允许多个入口点,可以在指定位置挂起和恢复执行。

这是从直观上对协程的概念所做的理解,与1980年Marlin的论文中给出的定义类似,也是被广为引用的协程定义:

  • 协程的本地数据在后续调用中始终保持
  • 协程在控制离开时暂停执行,当控制再次进入时只能从离开的位置继续执行

来看Wiki举出的,也是解释协程时最常见的生产-消费者模型的例子:

 1 var q := new queue 2  3 coroutine produce 4   loop 5     while q is not full 6       create some new items 7       add the items to q 8     yield to consume 9 10 coroutine consume11   loop12     while q is not empty13       remove some items from q14       use the items15     yield to produce

这个例子中容易让人产生疑惑的一点就是yield的使用,它与我们通常所见的yield指令不同。这是因为我们常见的yield指令大都是基于生成器(Generator)这一概念的。下面是基于生成器的生产-消费者模型实现(依然来自Wiki):

 1 var q := new queue 2  3 generator produce 4   loop 5     while q is not full 6       create some new items 7       add the items to q 8     yield consume 9 10 generator consume11   loop12     while q is not empty13       remove some items from q14       use the items15     yield produce16 17 subroutine dispatcher18   var d := new dictionary (generator → iterator)19   d[produce] := start produce20   d[consume] := start consume21   var current := produce22   loop23     current := next d[current] 

根据大部分网上资料(包括Wiki)的解释,这是基于生成器实现了协程。但根据之前协程的定义:1)本地数据在后续调用中始终保持,2)控制离开时 挂起,重新进入时继续执行。我们看这里的produce与consume过程,完全符合协程的概念。也就是说,根据定义,生成器本身就是协程。

两种明显不同的控制结构,却都符合协程的定义,问题出在哪里?

协程的分类

之前的协程定义的问题在于,这个定义不够精确,遗留下了开放的,关于协程结构的问题。这导致了协程概念的模糊,造成理解上的困扰。这个问题也部分导 致了主流语言一直缺乏对协程的支持。甚至在描述一些本质上属于协程的机制时,如Windows的纤程(Fiber),连协程这个术语都很少被提起。

直到2004年由Lua的作者Ana Lucia de Moura和Roberto Ierusalimschy所发表的论文Revisiting Coroutines中,才正式对协程进行了分类,论文中依照三个问题区分协程:

  • 控制传递(Control-transfer)机制
  • 协程是否作为语言的第一类(First-class)对象提供
  • 协程是否为栈式(Stackful)构造,即是否可以在内部的嵌套调用中挂起

对称与非对称协程

控制传递机制的不同区分出了对称(Symmetric)和非对称(Asymmetric)协程。对称协程只提供一种传递操作,用于在协程间直接传递 控制。非对称协程(常称为半对称(Semi-symmetric)协程或半(Semi)协程)提供调用和挂起两种操作,挂起时控制返回给调用者。在我们的 生产-消费者模型的例子中,前者是对称协程,生成器是一种非对称协程。

出于支持并发而提供的协程通常是对称协程,用于表示独立的执行单元,如Modula-2中的协程。用于产生值序列的协程则为非对称协程,如迭代器和 生成器。在很长一段时间里的普遍看法是,对称与非对称协程的能力不同。所以一些支持通用协程机制的语言同时提供了这两类控制传递,如Simula和 BCPL。

事实上很容易证明这两种控制传递机制可以相互表达,因此要提供通用协程时只须实现其中一种即可。但是,两者表达力相同并不意味着在易用性上也相同。 对称协程会把程序的控制流变得复杂而难以理解和管理,而非对称协程的行为在某种意义上与函数类似,因为控制总是返回给调用者。使用非对称协程写出的程序更 加结构化。

第一类(First-class)与受限协程

协程是否作为语言的第一类对象提供对表达力的影响极大。为特定用途而实现的协程,往往把协程对象限制在 指定的代码结构中,无法由程序员直接控制。一些语言实现的迭代器(CLU,Sather)和生成器(Icon)被限制在某个循环内使用,属于受限协程。只有实现为第一类对象的协程可以提供自定义控制结构的能力,而这种能力正是协程强大的表现力所在。

栈式(Stackful)构造

栈式协程允许在内部的嵌套函数中挂起,恢复时从挂起点继续执行。非栈式协程只能在主体部分执行挂起操作,可以用来开发简单的迭代器或生成器,但遇到 复杂些的控制结构时,会把问题搞得更加复杂。例如,如果生成器的生成项是通过递归或辅助函数生成的,必须创建出一系列相应层级结构的辅助生成器连续生成项 直到到达原始调用点。非栈式协程也不足以实现用户级多任务。

完全协程

综上所述可以认为,是否为第一类对象以及是否为栈式构造,这两个问题决定了协程的能力。Revisiting Coroutines一文提出了完全协程的概念,即第一类、栈式的协程对象。随后论证了完全协程的表达力等同于One-shot continuation,关于Continuation的概念及相关论证在随后的文章中我会提到,Continuation的出现也一定程度上导致了对 协程研究的中止,因为普遍认为Continuation的表达力要远超协程。

如今对协程的研究和应用有重新复苏的趋势,主要集中在两个方向。一个是研究它在协作式多任务管理上相对于多线程的优势,目前以程序库和系统资源的方 式提供了一些此类协程。另一个就是用于迭代器和生成器的协程,如Perl、C#、Python等。而Lua基于Revisiting Coroutines的观点,实现了完全非对称协,事实也证明了这种机制在实现一些控制结构时异常方便和强大。

相关参考

关于协程的相关资料@sagasw有一篇相当全面的汇总,强烈推荐:关于线程Thread、协程Coroutine、生成器Generator、yield资料。

 

协程(二)协程的应用


上一篇中对协程的概念做出了解释和澄清。总的来说,完全协程才算得上是真正意义上的协程,其它如生成器等只是部分实现了协程概念的非完全协程,我们之后主要讨论完全协程。

本篇介绍一些协程的实际应用。协程本质是一种控制抽象,它的价值在于可以简洁优雅地实现一些控制行为。在协程中,控制可以从当前执行上下文跳转到程序的其它位置,并且可以在之后的任意时刻恢复当前执行上下文,控制从跳出点处继续执行。这种行为与Continuation类似,但协程相比之下更容易理解,某些情况下还更加高效。之后会有一篇专门对比这两个概念。

生产者-消费者模型

在前一篇中已有提及,这是协程最典型也最常见的应用场景。Conway提出协程这个概念时所解决的编译器问题就属于生产者-消费者问题。

管道(Pipeline)也是由生产者-消费者模型扩展而来的,管道实际上是由一个生产者,加上一个或多个过滤器(Filter),再加上一个最终的消费者组成的生产者-消费者链。其中过滤器既是生产者又是消费者。以下是由Lua实现的过滤器*

 1 function filter(ant) 2   return coroutine.wrap(function()) 3     while true do 4       -- resume antecessor to obtain value 5       local x = ant() 6       -- yield transformed value 7       coroutine.yield(f(x)) 8     end 9   end10 end

只需要一行语句把生产者、过滤器和消费者串联起来就可以创建出一个管道:

consumer(filter(producer()))

生成器(Generator)

生成器实际上可以看作只有生产者的生产者-消费者模型。生成器的主要用途就是实现迭代器(Iterator)。需要提到的一点就是目前大多数语言提 供的生成器都是非栈式(Stackful)的,即不能在嵌套调用中直接yield,这样在实现复杂的生成器时会非常麻烦。比如要实现一个二叉树的先序遍 历,先看Lua实现*

 1 function preorder(node) 2   if node then 3     preorder(node.left) 4     coroutine.yield(node.key) 5     preorder(node.right) 6   end 7 end 8  9 -- create an iterator10 function preorder_iterator(tree)11   return coroutine.wrap(function()12     preorder(tree)13     return nil14   end)15 end

简洁而直接,因为Lua的协程是完全协程,允许在嵌套调用中yield。如果用C#实现:

 1 public static class BinaryTree<T> 2 { 3   static IEnumerable<T> Preorder(Node<T> node) 4   { 5     if (node != null) { 6       foreach (var key in Preorder(node.left)) 7         yield return key; 8  9       yield return node.key;10 11       foreach (var key in Preorder(node.right))12         yield return key;13     }14   }15 16   public static IEnumerable<T> PreorderIterator(Node<T> tree)17   {18     foreach (var key in Preorder(tree))19       yield return key;20   }21 }

可以看到,在递归的每一级都需要一个迭代块向上一级yield,直到最顶层。如果生成器更加复杂,比如需要调用一系列辅助方法,那么在每个调用点处都要增加机械的yield代码。

目标导向(Goal-oriented)编程

目标导向编程是指模式匹配 (Pattern-matching)或Prolog的查询这样的系统,由用户提出一个形式化定义的目标(Goal),系统会在一系列可选的子目标中寻找 直到确认一个解决方案。在寻找过程中常常会需要回溯(Backtracking)机制,这种机制使用完全非对称协程作为生成器很容易实现。

例如用Lua实现一个模式匹配系统,支持匹配常量、可选和序列三种模式的组合*

 1 -- matching a string literal 2 function prim(str) 3   return function(S, pos) 4     local len = string.len(str) 5     if string.sub(S, pos, pos+len-1) == str then 6       coroutine.yield(pos + len) 7     end 8   end 9 end10 11 -- alternative patterns (disjunction)12 function alt(patt1, patt2)13   return function(S, pos)14     patt1(S, pos)15     patt2(S, pos)16   end17 end18 19 -- sequence of sub-patterns (conjuction)20 function seq(patt1, patt2)21   return function(S, pos)22     local btpoint = coroutine.wrap(function()23       patt1(S, pos)24     end)25     for npos in btpoint do26       patt2(S, npos)27     end28   end29 end30 31 function match(S, patt)32   local len = string.len(S)33   local m = coroutine.wrap(function() patt(S, 1) end)34   for pos in m do35     if pos == len+1 then36       return true37     end38   end39   return false40 end

使用时形如("abc"|"de")."x"的目标可以定义如下:

patt = seq(alt(prim("abc"), prim("de")), prim("x"))

在进行匹配时这个目标被封装到一个协程中,通过循环逐一尝试匹配每个子目标。实现中的每个模式函数接受目标字符串和起始位置作为参数,匹配成功时 yield下一个位置给后续匹配,无法继续匹配时返回nil。我尝试了一下使用C#来实现上述代码,得到的编译错误是:不能在匿名方法或lambda表达 式内部使用yield语句。于是我便没有继续了,因为已经可以想象最后的完成代码会有多臃肿。这是C#生成器的又一使用限制,的确非常影响表达力。

协作式多任务(Cooperative multitasking)

并发编程所涉及的范围太广,这里仅讨论线程与协程的对比。在并发编程中,协程与线程类似,每个协程表示一个执行单元,有自己的本地数据,与其它协程 共享全局数据和其它资源。目前主流语言基本上都选择了多线程作为并发设施,与线程相关的概念是抢占式多任务(Preemptive multitasking),而与协程相关的是协作式多任务。

由于抢占式调度执行顺序无法确定的特点,使用线程时需要非常小心地处理同步问题,而协程完全不存在这个问题(事件驱动和异步程序也有同样的优点),因此非常容易使用。下面是一段Lua实现多任务的代码*

 1 -- list of "live" tasks 2 tasks = {} 3  4 -- create a task 5 function create_task(f) 6   local co = coroutine.wrap(function() f(); return "ended" end) 7   table.insert(tasks, co) 8 end 9 10 -- task dispatcher11 function dispatcher()12   while true do13     local n = table.getn(tasks)14     if n == 0 then break end -- no more tasks to run15     for i = 1, n do16       local status = tasks[i]()17       if status == "ended" then18         table.remove(tasks, i)19         break20       end21     end22   end23 end

协作式多任务的缺点之一是进行阻塞(Blocking)操作如IO时会阻塞掉整个程序,解决方案是提供一个辅助函数,初始化IO操作之后如果操作不能立即完成就挂起当前协程,Programming in Lua中给出了一个多任务下载的例子:

 1 function download(host, file) 2   local c = assert(socket.connect(host, 80)) 3   local count = 0 4   c:send("GET " .. file .. " HTTP/1.0\r\n\r\n") 5   while true do 6     local s, status, partial = receive(c) 7     count = count + #(s or partial) 8     if status == "closed" then break end 9   end10   c:close()11   print(file, count)12 end13 14 function receive(connection)15   connection:settimeout(0)16   local s, status, partial = connection:receive(2^10)17   if status == "timeout" then18     coroutine.yield(connection)19   end20   return s or partial, status21 end22 23 threads = {}24 25 function get(host, file)26   local co = coroutine.create(function()27     download(host, file)28   end)29   table.insert(threads, co)30 end31 32 function dispatch()33   local i = 134   while true do35     if threads[i] == nil then36       if threads[1] == nil then break end37       i = 138     end39     local status, res = coroutine.resume(threads[i])40     if not res then41       table.remove(threads, i)42     else43       i = i + 144     end45   end46 end

这个例子把每个下载任务放在一个协程中,通过settimeout(0)使获取操作不会阻塞,再由调度函数逐一唤醒协程执行,如果获取还未完成就挂起,直到所有下载完成。

协作式多任务的另一个缺点是无法利用多核资源,这一点我认为我们日常所编写的绝大部分应用都没有这个必要,除非是实时性要求非常高(如操作系统)或 需要尽可能地榨取机器性能(如Web服务器)的情况下(即使这时多线程也并非唯一选择)。所以在你打算使用多线程时先认真考虑一下是否协程就已经足够。在这篇采访中也有一些关于协程和并发的观点供参考。

异常处理

支持异常处理的语言需要实现两个基础原语:try和raise。try原语包含两项表达:主体和异常处理器。若主体正常返回,则返回值作为try的 值,忽略异常处理器。若主体遇到异常条件,则引发(raise)一个异常并立即送给异常处理器,主体的剩余部分被忽略。异常处理器可以返回一个值作为 try的值,或重新引发一个异常给更外层的异常处理器。

使用完全非对称协程来实现异常处理很简单:try原语由一个函数实现,此函数接受两个函数(主体和异常处理器)作为参数,然后在一个协程中执行主体函数;raise原语也是一个函数,在其中yield出一个异常即可。

总结

协程还适于实现状态机(每对入口/出口点表现一个状态),参与者模型(Actor model)(实质上也是协作式多任务)等。重要的是理解协程所表达的控制抽象,在此之上能够灵活运用的话,原本一些棘手的控制问题也许就可以简洁优雅地实现出来。

* 代码来自Revisiting Coroutines

 

协程(三)协程与Continuation


Continuation表示一个运算在其指定位置的剩余部分。 当Continuation作为语言的第一类(First-class)对象时,可用于实现多种控制结构。同样作为控制结构,First-class continuation的表达力比协程更加强大,而且有着明确定义的语义,以至于在它出现之后对协程的研究就几乎完全停止了。但后来Revisiting Coroutines中证明了完全协程与One-shot continuation的表达力是完全相同的,而且协程更容易理解和使用,在某些情况下也更加高效。

理解Continuation

Continuation是一种描述程序的控制状态的抽象,它用一个数据结构来表示一个执行到指定位置的计算过程;这个数据结构可以由程序语言访问 而不是隐藏在运行时环境中。Continuation在生成之后可作为控制结构使用,在调用时会从它所表示的控制点处恢复执行。

注意Continuation所保存的控制状态中并不包括数据。关于这一点有个很有趣的“Continuation三明治”的描述:

假设你在厨房里的冰箱前面,正打算做一个三明治。这时你获取一个Continuation放进兜里。然后从冰箱拿了些火鸡 和面包做了个三明治,放在了桌子上。现在调用兜里的那个Continuation,你会发现你又站在了冰箱前,正打算做个三明治。但这时桌子上已经有个三 明治了,而且火鸡和面包也不见了。于是你吃掉了三明治。

Continuation以及与相关的call/cc(Call-with-current-continuation)、CPS(Continuation-passing style)这几个概念比较难理解也容易混淆,要彻底把它们搞明白还真得花一番功夫。Continuation的资料也不多,这里列出几篇中文资料供参考:

  • 从Continuation概念说到它在开发中的应用,这篇文章对Continuation的实现和CPS讲解得非常清楚。
  • Continuations Made Simple and Illustrated,早年Python社区的讨论,有中文翻译简介延续“Continuation”。
  • 尾递归与Continuation,老赵(@jeffz_cn)在C#中使用CPS的演示。

First-class continuation

Continuation这个术语很多时候也用于表示First-class continuation。这时它表示一种语言构造,使语言可以在任意点保存执行状态并且在之后的某个点返回。这里与协程做比较的正是First-class continuation(或者说是call/cc机制),而不是Continuation结构或CPS编程风格。

调用call/cc时,会把当前Continuation打包成一个第一类对象。然后这个捕获的Continuation被传给call/cc的参 数——此参数必须是带一个参数的过程。如果在这个过程中没有调用Continuation就返回了,则返回值作为call/cc的值。如果在其中调用了 Continuation并传给它一个值,则这个值立即返回到call/cc处。

基于First-class continuation很容易实现完全协程,主要思路是在切换协程时保存当前Continuation并调用目标协程的Continuation。以下是由Marc De Scheemaecker基于Ruby call/cc实现的完全对称协程:

 1 class Coroutine 2   def initialize(&block) 3     # Creates a coroutine. The associated block does not run yet. 4     @started = false 5     @finished = false 6     @block = Proc::new { 7       callcc{|@cc|} 8       block.call 9       @finished = true10       @started = false11     }12   end13 14   def start15     # Starts the block. It's an error to call this method on a coroutine16     # that has already been started.17     raise "Block already started" if @started18 19     @started = true20     @block.call21   end22 23   def switch(coroutine)24     # Switches context to another coroutine. You need to call this method25     # on the current coroutine.26     switch = true27 28     if not coroutine.finished? then29       callcc{|@cc|}30 31       if switch then32         switch = false33 34         if coroutine.running? then35           coroutine.continuation.call36         else37           coroutine.start38         end39       end40     end41   end42 43   def running?44     # Returns true if the associated block is started and has not yet45     # finished46     @started and not @finished47   end48 49   def finished?50     # Returns true if the associated block is finished51     @finished52   end53 54   def continuation55     # Returns the associated continuation object56     @cc57   end58 end

One-shot continuation

所谓One-shot continuation,即只允许调用一次的Continuation。标准的Continuation是允许多次调用(Multi-shot)的,但 是很难高效地实现这样的Continuation,因为每次调用之前都必然要生成一个副本,而且在绝大多数情况下Continuation都只会被调用一 次,受此启发Bruggeman et al.提出了One-shot continuation的概念和控制符call/1cc。One-shot continuation几乎可以所有应用中替换标准Continuation(包括上面协程的实现)。多次调用One-shot continuation会引发错误,无论是隐式调用(从传给call/1cc的过程中返回)还是显式调用(直接调用由call/1cc创建的 Continuation)。

前面提到过完全协程与One-shot continuation的表达力是相同的,证明方式便是它们可以相互实现。从对称协程的视角来看,捕获一个One-shot continuation相当于新建一个协程并把控制传递给它。调用时相当于把控制返回给创建者。这种相似性使得基于对称协程可以很简洁地实现 call/1cc。

下面是Revisiting Coroutines中使用Lua实现One-shot continuation的代码,首先实现一个完全对称协程:

 1 coro = {} 2 coro.main = function() end 3 coro.current = coro.main 4  5 -- function to create a new coroutine 6 function coro.create(f) 7   local co = function(val) 8     f(val) 9     error("coroutine ended")10   end11   return coroutine.wrap(co)12 end13 14 -- function to transfer control to a coroutine15 function coro.transfer(co, val)16   if coro.current == coro.main then17     return coroutine.yield(co, val)18   end19 20   -- dispatching loop21   while true do22     coro.current = co23     if co == coro.main then24       return val25     end26     co, val = co(val)27   end28 end

然后是call/1cc:

 1 function call1cc(f) 2   -- save the continuation "creator" 3   local ccoro = coro.current 4   -- invoking the continuation transfers control 5   -- back to its creator 6   local cont = function(val) 7     if ccoro == nil then 8       error("one shot continuation called twice") 9     end10     coro.transfer(ccoro, val)11   end12   -- when a continuation is captured,13   -- a new coroutine is created and dispatched14   local val15   val = coro.transfer(coro.create(function()16     local v = f(cont)17     cont(v)18   end))19   -- when control is transfered back, the continuation20   -- was "shot" and must be invalidated21   ccoro = nil22   -- the value passed to the continuation23   -- is the return value of call1/cc24   return val25 end

效率问题

可以看到,Continuation可以实现协程,同时协程也可以实现One-shot continuation,但这两种相反实现的效率并不相同。

在Bruggeman et al.描述的One-shot continuation实现中,控制栈由栈段(Stack segment)组成的链表表示,整个控制栈被构造成栈帧(Stack of frame)或活动记录(Activation record)。捕获Continuation时,当前栈段被保存到Continuation中,然后分配一个新的栈段。调用Continuation 时,丢弃当前栈段,控制返回到之前保存的栈段。

创建一个协程同样包括分配一个单独的栈,但挂起和恢复协程的代价只比标准的函数调用略高。

使用协程实现One-shot continuation时,创建一个单独的协程——即栈“段”——就足以表示一个Continuation。因此,通过协程实现的One-shot continuation与直接实现效率几乎相同。而以Continuation实现协程时,通常每次协程挂起时都需要捕获一个新的 Continuation。这导致每次控制转换都需要重新分配一个栈段,相比直接实现的协程效率要大大降低并且需要更多内存。

这里有一篇Lua、LuaJIT Coroutine和Ruby Fiber的切换效率对比,我猜测大概就是因为Ruby是在call/cc之上实现的Fiber。