我会用Stackless Python做什么？
有很多与Stackless Python有关的问题。 但是没有人回答我的问题，我想（请纠正我，如果错了，请！）。 有一些关于它的嗡嗡声，所以我好奇知道。 我会用什么Stackless？ 它怎么比CPython好？
是的，它有绿色线程（无堆栈），只要没有任何操作被阻塞，就可以快速创build许多轻量级的线程（比如Ruby的线程？）。 这是什么伟大的？ 还有什么其他的function，我想通过CPython使用？
它允许您处理大量的并发。 没有人会创build十万个系统线程，但是你可以使用无堆栈来完成。
本文将testing如何在Python和Google Go（一种新的编程语言）中创build10万个tasklet： http : //dalkescientific.com/writings/diary/archive/2009/11/15/100000_tasklets.html
令人惊讶的是，即使Google Go被编译为本地代码，并且他们吹嘘他们的协同例程实现，Python仍然赢。
Stackless对于实现map / reducealgorithm非常有用，在这种algorithm中，根据input数据，可以有大量的reducer。
Stackless Python的主要优点是支持非常轻量级的协程。 CPython本身不支持协程（虽然我希望有人在注释中发布一个基于生成器的hack），所以当你有一个从协程中受益的问题时，Stackless是对CPython的一个明显的改进。
我认为他们擅长的主要领域是在程序中运行许多并发任务。 例子可能是为AI运行循环脚本的游戏实体，或者是服务于许多客户端的网页创build缓慢的网页服务器。
然而，关于共享数据，您仍然有很多并发正确性的问题，但确定性的任务切换使编写安全代码变得更容易，因为您确切知道控制权在哪里传输，因此知道共享状态的确切点最新。
Thirler已经提到Eve Online中使用了stackless。 请记住：
（..）stackless通过允许任务被分离成更小的任务，Tasklets，然后可以从主程序分离出来执行自己，进一步扭曲。 这可以用于“即发即忘”任务，如发送电子邮件或调度事件，或者用于IO操作，例如发送和接收networking数据包。 一个tasklet等待来自networking的数据包，而另一个则继续运行游戏循环。
它在某些方面与线程相似，但是非抢先式和明确调度，所以同步问题更less。 另外，在tasklet之间切换比线程切换快得多，并且可以拥有大量活动的tasklet，而线程的数量受到计算机硬件的严格限制。
（从这里得到这个引用）
在PyCon 2009上，有一个非常有趣的演讲 ，描述了为什么以及如何在CCP Games上使用Stackless。
此外，还有一个非常好的介绍材料 ，它描述了为什么stackless是您的应用程序的一个很好的解决scheme。 （可能有点旧了，但是我认为值得一读）。
EVEOnline在很大程度上是用Stackless Python编程的。 他们有几个关于使用它的开发博客。 看来这对高性能计算非常有用。
虽然我没有使用Stackless，但我已经使用Greenlet来实现高度并发的networking应用程序。 林登实验室的一些用例是：高性能智能代理，一个用于在大量机器上分发命令的快速系统，以及一个执行大量数据库写入和读取的应用程序（比例约为1 ：2，这是非常重要的，所以它的大部分时间花在等待数据库返回），以及一个web内容networking爬虫types的东西。 基本上任何期望必须执行大量networkingI / O的应用程序都可以从创build一个bajillion轻量级线程中受益。 10,000个连接的客户对我来说似乎不是什么大事。
尽pipe如此，Stackless或Greenlet并不是一个完整的解决scheme。 他们是非常低级的，你将不得不做大量的猴子工作，与他们build立一个应用程序，充分利用他们。 我知道这一点，因为我维护一个在Greenlet之上提供networking和调度层的库，特别是因为编写应用程序非常容易。 现在有一大堆 我维护Eventlet，但也有Concurrence，Chiral，可能还有一些我不知道的。
如果你想写的应用程序听起来像我写的东西，考虑这些库之一。 Stackless vs Greenlet的select比决定什么样的图书馆最适合你想要做的事情要重要得多。
绿色线程的基本用处，就像我看到的那样，是实现一个系统，在这个系统中有大量的对象执行高延迟操作。 一个具体的例子是与其他机器通信：
def Run(): # Do stuff request_information() # This call might block # Proceed doing more stuff 线程可以让你自然地编写上面的代码，但是如果对象的数量足够大，线程就不能充分执行。 但是你甚至可以使用绿色的线程。 上面的request_information()可以切换到其他工作正在等待的地方，稍后返回。 你可以调用“阻塞”函数的所有好处， 就好像它们立即返回而不使用线程一样。
如果你想以直接的方式编写代码，这对于任何types的分布式计算都是非常有用的。
多核心缓解等待locking也是有趣的：
def Run(): # Do some calculations green_lock(the_foo) # Do some more calculations
green_lock函数基本上会尝试获取锁，如果由于使用该对象的其他内核而导致失败，则仅切换到主调度器。
再次，绿色线程正在用来减轻阻塞，允许代码自然写入，仍然performance良好。
