[python]yield使用的最佳实践[2] - 数据管道的处理

《[python]yield使用的最佳实践[2] - 数据管道的处理》

回顾

  • 上一篇我们就简单的介绍了yield的两种场景
  • yield生产数据 (生成器)
  • yield消费数据 (协程)

Coroutines,Pipelines 以及Dataflow

数据流处理的pipeline [串行方式]

  • 我们使用coroutine 可以将数据以pipeline的方式进行处理 send() -> coroutine -> send() -> coroutine -> send() -> coroutine

  • 我们将整个的coroutines串行起来,使用.send()方法,将数据一层一层的处理就可以完成整个数的操作流了

数据流的源头

  • 整个的数据流的源头应该是一个生产者
  • 由数据源头来驱动整个数据流

  • 但是从技术层面上来讲,这并不是一个coroutine

pipeline slink (数据终端管道)

  • 所有的pipeline 必须有一个终点(slink) send() -> coroutine() -> send() -> slink
  • 收集数据所有向它传入的数据并且 处理它们

一个实际的例子

  • 上面的代码示意 follow() -> grep() -> printer() 生产数据,传递数据,消费数据

以广播的形式来处理数据

图解

  • 上面的例子相当于生成了3个管道再处理数据
  • 如果只需要一个slink(最后落地的数据管道来处理呢)
    《[python]yield使用的最佳实践[2] - 数据管道的处理》

《[python]yield使用的最佳实践[2] - 数据管道的处理》

分析

  • 协程提供了很多强大的数据流的功能,这可比单纯的迭代器强多了
  • 如果你要编写一些数据处理组件,你可以依靠上面的这些例子,来做分支,数据管道,或者合流等操作
点赞

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据