无限数据流需用迭代器“按需触发+显式终止”机制控制，生成器函数是最自然实现方式；须封装终止逻辑、避免重复遍历，并在生产环境加固超时、异常隔离与背压控制。
无限数据流（比如实时传感器读数、系统时钟滴答、日志流）不能用普通循环或索引遍历，必须靠迭代器的“按需触发 + 显式终止”机制来控制。关键不是让它跑完，而是让它在你需要的时候产出一个值，并随时能停。
用生成器函数构造惰性无限迭代器
生成器是最自然的实现方式：它不预先计算全部数据，只在每次调用 next() 时生成下一个值，内存占用恒定，且天然支持 break 或 return 提前退出。
- Python 示例：每秒产出当前时间戳，可随时中断
import time
def clock_stream():
while True:
yield time.time()
time.sleep(1)
<h1>安全使用：最多取5次，不会卡死</h1><p>for i, ts in enumerate(clock_stream()):
print(f"Tick {i+1}: {ts:.2f}")
if i >= 4: # 主动终止条件
break</p>
- JavaScript 示例：用 Symbol.iterator 封装定时器流，配合 for...of + break
const clockStream = {
[Symbol.iterator]() {
let count = 0;
return {
next() {
if (count >= 10) {
return { value: undefined, done: true }; // 主动结束
}
const now = Date.now();
count++;
return { value: now, done: false };
}
};
}
};
<p>for (const t of clockStream) {
console.log(new Date(t).toLocaleTimeString());
if (t % 2 === 0) break; // 满足任意条件即可退出
}</p>
封装终止逻辑到迭代器内部
把“何时停止”的判断收进迭代器本身，避免调用方反复检查。比如设置最大次数、超时时间、或外部信号（如布尔标志位）。
- Python 中通过闭包或类属性传递终止条件
- 不要依赖全局变量；推荐用参数初始化，或通过 send() 向生成器传入控制指令
- Java/TypeScript 可结合 Iterator
接口 + 自定义 hasNext() 判断逻辑
避免状态污染与重复遍历陷阱
无限流通常不支持多次遍历——一旦开始，就无法“重播”。但如果需要模拟重试或调试，得明确设计重置能力：
- 错误做法：在生成器外保存状态并试图复用同一个生成器对象（会抛 StopIteration 或直接静默）
- 正确做法：每次需要新遍历时，重新调用生成器函数（如 clock_stream()），获得全新迭代器实例
- 若需共享配置（如采样间隔、起始偏移），用类封装，把生成逻辑放在 __iter__ 中，确保每次 for 都新建独立上下文
对接真实系统时的安全加固点
生产环境中，无限流常来自硬件、网络或操作系统，需额外防护：
- 加超时：在 next() 内部设 timeout，防止某次读取卡死（如串口无响应）
- 异常隔离：捕获 I/O 错误，返回默认值或跳过，不中断整个迭代流程
- 背压控制：当消费端处理不过来时，主动 sleep 或丢弃旧数据（例如只保留最新一条）
- 资源释放：用 try/finally 或上下文管理器确保流关闭（如关闭文件句柄、取消定时器）
