Python生成器的暂停恢复由yield与next()/send()协同实现，并非外部可抢占式控制；首次调用next()运行至首个yield即暂停，send()可传值并恢复执行，但首次须用next()或send(None)。
Python生成器本身不保存执行状态供外部手动暂停/恢复，它的“暂停恢复”是协程式自动行为——靠yield和调用方的next()或send()协同完成，不是像线程那样可随时冻结堆栈。理解这一点，才能正确设计可控的生成器逻辑。
yield 是天然的暂停点
每次执行到 yield 表达式时，生成器会保存当前帧（局部变量、执行位置等），返回值并暂停；下一次调用 __next__()（或 next()）时，从 yield 后继续执行。
- 暂停发生在
yield语句执行**后**，不是之前 - 首次调用
next(g)会运行到第一个yield并暂停，不会执行后续代码 - 若生成器结束（遇到
return或函数自然退出），再调用next()会抛出StopIteration
用 send() 实现双向通信与条件恢复
generator.send(value) 不仅恢复执行，还能把值传入生成器内部——作为上一次 yield 表达式的返回值。这可用于动态控制流程，比如等待外部指令再继续。
- 首次恢复必须用
next(g)或g.send(None)，不能直接send(x) - 在生成器内，
x = yield y表示：暂停并产出y，恢复时把传入值赋给x - 适合实现状态机、协程式任务调度、流式数据处理中的“等待确认”逻辑
手动封装“可暂停/恢复”的生成器类
如果需要显式控制（如 pause()、resume()、is_running），可包装原生生成器：
立即学习“Python免费学习笔记（深入）”；
- 用一个标志位记录是否已暂停，配合
threading.Event或简单布尔变量 - 在生成器内部定期检查该标志，遇暂停则
yield None并循环等待 - 外部通过方法修改标志，并调用
next()触发恢复（注意避免死锁） - 更稳健的做法是改用
async/await+asyncio.Queue，适合复杂状态协调
常见误区提醒
别把生成器当线程用——它没有独立栈、不能被抢占、无法从外部中断正在执行的计算段。
- 生成器函数一旦开始执行某段 CPU 密集代码（如大循环、耗时计算），在遇到下一个
yield前无法暂停 -
sys.settrace或调试器断点能“暂停”，但这是调试行为，不可用于生产级控制 - 想真正灵活调度？考虑
asyncio、concurrent.futures或专用任务队列（如 Celery）
