from collections import Iterable

# 模拟取款
def cash_atm(totalmoney):
    while totalmoney>0:
        print("=======(可取金额：%s )=======" % totalmoney)
        totalmoney -= 100
        yield 100
        print("=======(    余额：%s )=======" % totalmoney)

atm = cash_atm(1000)
# 查看atm是个啥，是一个generator
print(type(atm))
# 判断atm是否可迭代
print(isinstance(atm, Iterable))
# 获取100现金
print(atm.__next__())
# 消费金额
print("买了本书把钱花完了...")
# 我想去买个礼物给女朋友，可没有钱了再去取钱
print(atm.__next__())
'''
定义：如果一个函数返回的是一个迭代器，那么这个函数就是生成器
那么如果一个函数要返回一个迭代器则需要使用yield语法，
该函数就可以返回一个迭代器
'''

分析：上面的cash_atm是一个生成器，它调用时返回一个迭代器，根据迭代器的特性，我们只能往下走，不能往回退，上面比较特殊的地方就是：每次请求执行atm的next时，都能够从上一次后面继续往下走，而这个关键在于yield语法，yield是能够跳出当前函数，并且保存执行的状态，下一次调用next时，可以从保存状态继续往下走。

应用分析：
这个生成器有什么应用场景呢？比如说：如果一个操作需要花费很长时间，如果是串行执行的，那么就必须等待操作执行完才可以去干其他的事情，那么这段时间内，你就处于被阻塞状态的，这是不理想的状态。最好的状态是什么呢？比如说我调用接口a，这个接口需要花费一段时间。最好的效果呢就是，我调用该接口，然后去做其他的事，一旦这个接口处理完成后通知我，我来处理这个结果返回的后续操作。这个就是异步操作，相当于我开一个线程去处理接口，接口处理完后会通知主线程处理。

场景应用：
模拟异步场景: 有一个餐馆，有一个厨师，有2名食客，食客点包子，厨师做包子，厨师做完后，食客开始吃。
这是一个生产消费模型，实现一个单线程的异步效果？

实现代码如下：

import time
# 生产者消费者模型：厨师生产者，食客消费者

# 消费者
def consumer(name):
    print("服务员给我[%s]上包子..."%name)
    while True:
        bz = yield
        print("%s,你好！包子[%s]来了！"%(name,bz))

# 生产者
def producer(name):
    c = consumer('A')
    c2 = consumer('B')
    c.__next__()
    c2.__next__()
    print("厨师[%s]开始做包子了..."%name)
    for i in range(10):
        time.sleep(1)
        print("我[%s]做好两个包子！"%name)
        c.send(i)
        c2.send(i)

producer('ckmike')

总结:
上面的代码是一个简单的单线程异步效果。生成器的作用非常大。消费者不需要等生产者把所有都准备好就可以把现有的消息消费掉，消费者只是接受消息信息号，把当前的信息处理掉，而生产者负责生成消息，并且信号发送给消费者。上面的效果可能我们还是有点模糊生成器有啥用。比如说现在我要获取一个斐波那契数列。我们没有必要把所有的值一次性加载到内存中，我们可以要一个拿一个（通过生成式实现），概念：这种一边循环一边计算的机制，称为生成器：generator。，与Linux下的cat命令类似，你不需要把大文件一次性加载到内存中，你只要获取部分到内存中，这样大大节省了内存。
菲波那切数列实现：

# 菲波那切数列
def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

f=fib(10)
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())
print(f.__next__())