[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 consume
11 loop
12 while q is not empty
13 remove some items from q
14 use the items
15 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 consume
11 loop
12 while q is not empty
13 remove some items from q
14 use the items
15 yield produce
16
17 subroutine dispatcher
18 var d := new dictionary (generator → iterator)
19 d[produce] := start produce
20 d[consume] := start consume
21 var current := produce
22 loop
23 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 end
10 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 iterator
10 function preorder_iterator(tree)
11 return coroutine.wrap(function()
12 preorder(tree)
13 return nil
14 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 end
10
11 -- alternative patterns (disjunction)
12 function alt(patt1, patt2)
13 return function(S, pos)
14 patt1(S, pos)
15 patt2(S, pos)
16 end
17 end
18
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 do
26 patt2(S, npos)
27 end
28 end
29 end
30
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 do
35 if pos == len+1 then
36 return true
37 end
38 end
39 return false
40 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 dispatcher
11 function dispatcher()
12 while true do
13 local n = table.getn(tasks)
14 if n == 0 then break end -- no more tasks to run
15 for i = 1, n do
16 local status = tasks[i]()
17 if status == "ended" then
18 table.remove(tasks, i)
19 break
20 end
21 end
22 end
23 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 end
10 c:close()
11 print(file, count)
12 end
13
14 function receive(connection)
15 connection:settimeout(0)
16 local s, status, partial = connection:receive(2^10)
17 if status == "timeout" then
18 coroutine.yield(connection)
19 end
20 return s or partial, status
21 end
22
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 end
31
32 function dispatch()
33 local i = 1
34 while true do
35 if threads[i] == nil then
36 if threads[1] == nil then break end
37 i = 1
38 end
39 local status, res = coroutine.resume(threads[i])
40 if not res then
41 table.remove(threads, i)
42 else
43 i = i + 1
44 end
45 end
46 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 = true
10 @started = false
11 }
12 end
13
14 def start
15 # Starts the block. It's an error to call this method on a coroutine
16 # that has already been started.
17 raise "Block already started" if @started
18
19 @started = true
20 @block.call
21 end
22
23 def switch(coroutine)
24 # Switches context to another coroutine. You need to call this method
25 # on the current coroutine.
26 switch = true
27
28 if not coroutine.finished? then
29 callcc{|@cc|}
30
31 if switch then
32 switch = false
33
34 if coroutine.running? then
35 coroutine.continuation.call
36 else
37 coroutine.start
38 end
39 end
40 end
41 end
42
43 def running?
44 # Returns true if the associated block is started and has not yet
45 # finished
46 @started and not @finished
47 end
48
49 def finished?
50 # Returns true if the associated block is finished
51 @finished
52 end
53
54 def continuation
55 # Returns the associated continuation object
56 @cc
57 end
58 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 end
11 return coroutine.wrap(co)
12 end
13
14 -- function to transfer control to a coroutine
15 function coro.transfer(co, val)
16 if coro.current == coro.main then
17 return coroutine.yield(co, val)
18 end
19
20 -- dispatching loop
21 while true do
22 coro.current = co
23 if co == coro.main then
24 return val
25 end
26 co, val = co(val)
27 end
28 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 end
10 coro.transfer(ccoro, val)
11 end
12 -- when a continuation is captured,
13 -- a new coroutine is created and dispatched
14 local val
15 val = coro.transfer(coro.create(function()
16 local v = f(cont)
17 cont(v)
18 end))
19 -- when control is transfered back, the continuation
20 -- was "shot" and must be invalidated
21 ccoro = nil
22 -- the value passed to the continuation
23 -- is the return value of call1/cc
24 return val
25 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。