Python协程是基于生成器演化而来的异步执行单元，其切换过程不需要操作系统介入，仅需要在用户态完成上下文状态的保存和恢复。协程切换时保存的状态是保证协程暂停后能够继续执行的核心依据，这些状态的内容和协程的实现方式密切相关。
协程切换的核心状态分类
Python协程在切换时主要保存以下几类关键状态：
- 指令指针状态：记录协程暂停时执行到的代码位置，也就是下次恢复执行时的起始指令地址，对应生成器中的yield位置或者async函数中的await位置。
- 局部变量状态：协程函数内部定义的所有局部变量的当前值，这些变量在协程暂停期间会被完整保留，恢复后可以直接使用。
- 调用栈状态：协程执行过程中的函数调用链路，包括当前函数、调用当前函数的上层函数等信息，保证协程恢复后能沿着原来的调用路径继续执行。
- 异常状态：如果协程暂停前处于异常处理流程中，相关的异常实例和异常处理上下文也会被保存，避免恢复后异常信息丢失。
通过代码示例观察状态保存
我们可以通过简单的async协程代码来验证局部变量和执行位置的保存情况：
import asyncio
async def demo_coroutine():
# 定义局部变量
count = 0
print("协程开始执行，count初始值:", count)
# 第一次暂停，保存当前执行位置和局部变量
await asyncio.sleep(1)
count += 1
print("协程恢复执行，count值:", count)
# 第二次暂停，再次保存状态
await asyncio.sleep(1)
count += 2
print("协程再次恢复执行，count最终值:", count)
return count
async def main():
# 创建协程对象
coro = demo_coroutine()
# 第一次驱动协程执行，到第一个await处暂停
try:
coro.send(None)
except StopIteration as e:
# 协程未执行完，捕获暂停信号
print("第一次切换，协程未结束")
# 第二次驱动执行，到第二个await处暂停
try:
coro.send(None)
except StopIteration as e:
print("第二次切换，协程未结束")
# 第三次驱动执行，协程执行完毕
try:
coro.send(None)
except StopIteration as e:
print("协程执行完毕，返回值:", e.value)
if __name__ == "__main__":
asyncio.run(main())
上述代码中，demo_coroutine协程两次调用await asyncio.sleep(1)时都会发生切换，每次切换都会保存当前的count变量值和执行到的代码位置，因此恢复后count的值能够保持连续递增，不会出现重置的情况。
不同协程实现的状态保存差异
Python中有两种常见的协程实现方式，状态保存的范围略有不同：
基于生成器的协程
使用asyncio.coroutine装饰器或者生成器的yield from实现的协程，状态保存依赖生成器的上下文，主要保存yield位置、局部变量和生成器的内部状态，调用栈信息相对简单。
原生async/await协程
Python 3.5+引入的原生async协程，由解释器层面的协程对象管理状态，除了基础的局部变量和执行位置外，还会保存更完整的调用栈信息，支持更复杂的嵌套调用场景，状态保存的可靠性更高。
状态保存对开发的影响
了解协程切换保存的状态，可以帮助开发者避免一些常见问题：
- 不要在协程中保存大对象作为局部变量，因为协程切换时这些对象会一直被引用，无法被垃圾回收，可能导致内存占用过高。
- 协程的局部变量是隔离的，不同协程的相同名称局部变量互不影响，不需要额外加锁保护。
- 如果协程中使用了全局变量，切换时全局变量的修改会影响所有协程，需要额外注意全局变量的并发安全问题。
需要注意的是，协程切换保存的状态仅存在于协程对象本身，如果协程对象被销毁，所有保存的状态也会随之释放，因此不要让协程对象意外被回收。
总结
Python协程切换时主要保存执行位置、局部变量、调用栈和异常状态四类信息，这些状态保证了协程暂停后能够无缝恢复执行。不同的协程实现方式在状态保存的完整性上略有差异，原生async/await协程的状态管理能力更强。开发者在实际使用中，需要结合协程的状态保存特性，合理设计协程内部的变量和逻辑，避免不必要的内存占用和状态异常问题。