### 使用 `yield` 实现流式输出的异步调用与多线程处理 为了实现 Python 中流式输出的异步调用与多线程处理，可以利用协程和生成器来优化 I/O 密集型任务。通过结合 `asyncio` 和 `concurrent.futures.ThreadPoolExecutor` 可以有效地管理并发操作。 #### 异步函数定义 创建一个异步函数用于模拟耗时的 API 请求或其他 I/O 操作： ```python import asyncio import random async def fetch_data(): await asyncio.sleep(random.uniform(0.5, 2)) # Simulate network delay return "Data from async call" ``` #### 多线程环境下的生成器 使用 `ThreadPoolExecutor` 来运行同步代码并将其集成到事件循环中： ```python from concurrent.futures import ThreadPoolExecutor import time def blocking_io_task(task_id): """Simulates a CPU-bound or blocking IO task.""" time.sleep(random.uniform(1, 3)) result = f"Task {task_id} completed at {time.strftime('%X')}" return result ``` #### 流式输出逻辑 构建一个带有 `yield` 的生成器来进行流式的数据获取： ```python async def stream_output(executor, num_tasks=5): results = [] loop = asyncio.get_running_loop() for i in range(num_tasks): future = loop.run_in_executor(executor, blocking_io_task, i) results.append(future) for fut in asyncio.as_completed(results): data = await fut yield data ``` #### 主程序入口 设置好所有组件之后，在主程序里启动这些功能： ```python if __name__ == "__main__": executor = ThreadPoolExecutor(max_workers=10) try: async def main(): async for item in stream_output(executor): print(item) asyncio.run(main()) finally: executor.shutdown(wait=True) ``` 上述方法展示了如何在 Python 中运用 `yield` 关键字配合异步特性以及多线程机制完成高效的流式输出[^1]。