langchain_core.utils.iter.Tee

class langchain_core.utils.iter.Tee(iterable: Iterator[T], n: int = 2, *, lock: Optional[ContextManager[Any]] = None)

创建``n``个单独的异步迭代器，遍历``iterable``

这将一个单一的``iterable``拆分为多个迭代器，每个迭代器按相同顺序提供相同的项。 所有子迭代器可以独立前进，但共享来自``iterable``的相同项–当最先进的迭代器检索到一个项时， 它会被缓冲，直到最不先进的迭代器也将其产出。 tee``是惰性的，并且可以处理无限的``iterable，只要所有迭代器都前进。

async def derivative(sensor_data):
    previous, current = a.tee(sensor_data, n=2)
    await a.anext(previous)  # 推进一个迭代器
    return a.map(operator.sub, previous, current)

与 itertools.tee() 不同，tee() 返回一个自定义类型而不是 tuple。 像元组一样，它可以被索引、迭代和解包以获取子迭代器。此外，它的 aclose() 方法 立即关闭所有子迭代器，并且可以在 async with 上下文中使用以达到相同效果。

如果``iterable``是一个在其他地方读取的迭代器，``tee``将*不会*提供这些项。另外，``tee``必须在内部缓冲每个项，直到最后一个迭代器产出它； 如果最先进和最不先进的迭代器之间的数据差异很大，使用 list 更有效（但不是惰性）。

如果底层的可迭代对象是并发安全的（anext 可以同时等待），则生成的迭代器也是并发安全的。否则， 如果只有一个单一的“最先进”迭代器，那么迭代器是安全的。为了强制顺序使用 anext，提供一个``lock`` - 例如在 asyncio 应用程序中的一个 asyncio.Lock 实例 - 访问将自动同步。

Methods

__init__(iterable[, n, lock])
close()

Parameters

• iterable (Iterator[T]) –

• n (int) –

• lock (Optional[ContextManager[Any]]) –

__init__(iterable: Iterator[T], n: int = 2, *, lock: Optional[ContextManager[Any]] = None)

Parameters

• iterable (Iterator[T]) –

• n (int) –

• lock (Optional[ContextManager[Any]]) –

close() → None

Return type

None