生成器配合yield实现单线程协作式任务调度，任务为yield暂停的生成器函数，调度器轮询驱动next()执行，支持数据传递与异步I/O模拟。
生成器配合 yield 实现任务调度器，核心在于把每个任务写成可暂停、可恢复的函数，再由一个调度器统一控制它们的执行节奏。它不依赖线程或进程，而是在单线程中通过协作式切换模拟“多任务并发”，适用于 I/O 等待、计算分片、流式处理等场景。
任务必须是生成器函数
每个待调度的任务需定义为生成器函数（Python 中用 def + yield，JS 中用 function*）。yield 就是任务的“让出点”——执行到这里就暂停，把控制权交还给调度器。
- Python 示例：
def task_a():<br> for i in range(3):<br> print(f"A-{i}")<br> yield # 暂停，等待下一次被唤醒 - JavaScript 示例：
function* taskB() {<br> for (let j = 0; j console.log(`B-${j}`);<br> yield;<br> }<br>}
调度器负责轮转与驱动
调度器本身不是生成器，而是一个普通函数或类，它维护一组任务的迭代器（即生成器对象），并按策略依次调用它们的 next()（Python/JS 通用）或 send()（支持传参）。
- 每次调用
next()，对应任务从上次yield处恢复，运行到下一个yield或结束； - 若任务返回
{ done: true }（JS）或抛出StopIteration（Python），说明已完成，可从队列中移除； - 简单轮询即可实现公平调度，也可加入优先级、超时、依赖判断等逻辑增强实用性。
yield 可承载数据与控制信号
yield 不只是暂停开关，还能双向传递信息：外部可通过 next(value) 向任务内部注入数据，任务也可用 yield expr 向外输出状态或请求。
- 例如任务在等待数据库响应时
yield "fetch_user_123"，调度器捕获该指令后发起异步请求，等结果回来再用next(result)把数据送进任务继续执行； - 这种模式天然适配异步 I/O，是
async/await的底层思想原型。
注意状态隔离与错误处理
每个生成器实例独立保存自己的局部变量、执行位置和堆栈状态，互不干扰。但调度器需主动捕获异常：
- 任务内部抛错时，
next()调用会传播异常，调度器应捕获并决定是否终止该任务或整体退出； - 避免在生成器中做长时间同步阻塞操作（如
time.sleep()或密集循环），否则会卡住整个调度器； - 任务间共享资源（如全局计数器）需加锁或设计为无状态，防止竞态。
