**環境：python3.6
非同步io
我們知道，cpu 速度遠遠快於磁碟、網路等 io。在 io 程式設計中，假如乙個 io 操作阻塞了當前執行緒，會導致其他**無法執行，所以我們使用多執行緒或者多程序來併發執行**。
針對這個問題，我們需要另一種解決方法：非同步 io。
非同步 io，即當**需要執行乙個耗時的 io 操作時，它只發出 io 指令，並不等待 io 結果，然後就去執行其他**了。一段時間後，當 io 返回結果時，再通知 cpu 進行處理。
python中最初的協程
了解最初的協程有助於我們理解後面現代協程的用法。
協程這個概念並不是 python 首次提出的，而是從其他語言借鑑過來的。
我們知道，兩個普通函式的呼叫是按順序的，比如a函式呼叫b函式，b執行完畢返回結果給a，a執行完畢。
協程看上去也是函式，如果協程a呼叫協程b，在執行過程中，協程b可以中斷，轉而執行a，再在適當的時候返回b接著從中斷處往下執行。
協程的這種執行特點，恰好符合我們的需求：通過協程實現非同步 io 程式設計。
生成器進化成協程
python 基於 generator 進行一系列功能改進後得到協程，語法上都是定義體中包含 yield 關鍵字。
在協程中，yield 不僅可以返回值，還能接收呼叫者通過.send()方法發出的引數。yield 通常出現在表示式右邊，如：data = yield something。如果 yield 後面沒有表示式，說明此時 yield 只負責接收資料，協程始終返回none。
簡單協程的基本行為
舉個簡單例子：
in [1]: def my_coroutine():
...: print('協程被啟用')
...: while true:
# yield 後面不跟表示式，這裡只接收 send() 傳過來的資料
...: x = yield
...: print(f'協程接收到引數：')
in [2]: my_corou = my_coroutine()
# 可檢視協程當前狀態
in [3]: from inspect import getgeneratorstate
in [4]: getgeneratorstate(my_corou)
out[4]: 'gen_created'
# 啟用協程，此處可用 my_corou.send(none) 代替
in [5]: next(my_corou)
協程被啟用
in [6]: getgeneratorstate(my_corou)
out[6]: 'gen_suspended'
in [7]: return_value = my_corou.send(99)
協程接收到引數：99
in [8]: print(return_value)
none
in [9]: my_corou.close()
in [10]: getgeneratorstate(my_corou)
out[10]: 'gen_closed'
通過例子我們主要了解的是，協程需要手動啟用才能真正呼叫，協程在不需要的時候要記得關閉。
用協程改進生產者-消費者模型
傳統生產者-消費者模型中，乙個執行緒寫訊息，另乙個執行緒取訊息，通過鎖機制控制佇列和等待，但是一不小心可能死鎖。
如果改用協程，生產者生產訊息後，直接通過 yield 跳轉到消費者開始執行，待消費者執行完畢後，再切換回生產者繼續生產，整個流程無鎖且效率高：
from inspect import getgeneratorstate
def consumer():
r = '200 ok'
while true:
# yield接收生產者的資料賦值給n，並把處理結果狀態r返回
n = yield r
print(f'[consumer] 消費了：')
def producer(c):
# 別忘了啟用協程
c.send(none)
n = 0
while n < 5:
n = n + 1
print(f'[producer] 生產了：')
# 一旦生產了東西，通過c.send()切換到consumer執行
# consumer處理資料後通過yield返回結果狀態，這裡獲取返回內容
r = c.send(n)
print(f'[producer] 消費者返回的處理結果：')
print(f'生產者不生產了，看看當前consumer狀態：')
c.close()
print(f'關閉consumer，看看當前consumer狀態：')
if __name__ == "__main__":
producer(consumer())
上面例子整個流程只由乙個執行緒執行且無鎖，生產者和消費者協作完成任務，這種屬於協作式多工，跟多執行緒這種搶占式多工要區分開。
asyncio
在 python3.4 版本中，開始引入標準庫asyncio直接內建了對非同步 io 的支援。
asyncio的程式設計模型就是乙個訊息迴圈。我們從asyncio模組中直接獲取乙個eventloop的引用，然後把需要執行的協程扔到eventloop中執行，就實現了非同步 io。
先簡單介紹下asyncio涉及到的一些詞語：
future：乙個物件，表示非同步執行的操作。通常情況下自己不應該建立future，而只能由併發框架如asyncio例項化。
task：在eventloop中負責執行協程的任務，是future的子類。換句話說，task就是future，但反過來不一定。
下面是asyncio常用api：
asyncio.get_event_loop()：獲取乙個eventloop物件，用來執行協程
asyncio.iscoroutine(obj)：判斷乙個物件是否是協程。
asyncio.sleep(delay)：直接當做是乙個耗時多少秒的協程即可。
asyncio.ensure_future(coro_or_future)：入參是協程，則啟用協程，返回乙個task物件；如果入參是future，則將入參直接返回。
asyncio.gather(coros_or_futures)：按入參中協程的順序儲存協程的執行結果，大部分情況下使用。
asyncio.wait(futures)：對比gather，不一定按入參順序返回執行結果。返回包含已完成和掛起的task，可通過接收引數return_when選擇返回結果的時機，按實際情況使用。
我們將在下面結合新的關鍵字async/await來舉例說明。
async/await
為了簡化使用和標識非同步 io，從 python3.5 版本開始引入新的語法糖async/await，用async把乙個generator標記為協程函式，然後在協程內部用await呼叫另乙個協程實現非同步操作。
注意：用async標記協程函式，呼叫該函式時協程尚未啟用，啟用該函式可以用await或者yield from，也可以通過ensure_future()或者abstracteventloop.create_task()排程執行。
舉個例子：
from asyncio import sleep as aiosleep, gather, get_event_loop
async def compute(x, y):
print("計算 %s + %s ..." % (x, y))
await aiosleep(1)
return x + y
async def print_sum(x, y):
result = await compute(x, y)
print("%s + %s = %s" % (x, y, result))
async def coro_main():
'''一般我們會寫乙個 coroutine 的 main 函式，專門負責管理協程'''
await gather(print_sum(1, 2), print_sum(4, 9))
def main():
aioloop = get_event_loop()
# 內部使用ensure_future()啟用協程
aioloop.run_until_complete(coro_main())
aioloop.close()
if __name__ == "__main__":
main()
執行結果：
計算 1 + 2 ...
計算 4 + 9 ...
(暫停約1秒，實際輸出沒有這行)
1 + 2 = 3
4 + 9 = 13
觀察例子執行結果，我們看到：
當協程開始計算1+2前還有乙個耗時 1 秒的 io 操作，當前執行緒並未等待，而是去執行其他協程計算4+9，實現了併發執行。
協程結果按gather入參的順序列印。
總結面對 cpu 高速執行和 io 裝置的龜速嚴重不匹配問題，我們至少要知道兩種解決方法：使用多程序和多執行緒併發執行**；使用非同步 io 執行**。
python 協程是基於生成器改進後得到的，底部實現都是定義體中包含yield關鍵字。
協程屬於協作式多工，整個流程無需鎖，跟多執行緒這種搶占式多工要區分開。
asyncio支援非同步 io，我們從asyncio模組中直接獲取乙個eventloop的引用，然後把需要執行的協程扔到eventloop中執行，就實現了非同步 io。
定義協程函式時，我們用async標記協程函式，然後在協程內部用await呼叫另乙個協程實現非同步操作。
python 3 協程函式
1 把函式的執行結果封裝好 iter 和 next 即得到乙個迭代器 2 與return功能類似，都可以返回值，但不同的是，return只能返回一次值，而yield可以返回多次值 3 函式暫停與再繼續的狀態是由yield儲存的 def func count print start while tru...
python3協程學習筆記
在此之前，協程對我來說是乙個比較陌生的概念，學習之後，發現其應用場景還是有不少，大師之言 協程能自然地表述很多演算法，例如 遊戲 非同步i o，以及其他事件驅動型邊吃形式活協作式多工。舉例來說，asyncio tornado twisted simpy庫都是基於協程特性在單個執行緒中管理多個併發活動...
Python3學習筆記 清晰理解協程
在了解協程之前，我們先簡單了解一下程序與執行緒，併發與並行的概念。什麼是協程？我們先來看下對協程的概括 協程被稱為微執行緒或者纖程，是一種使用者態的輕量級執行緒。其本質就是乙個單執行緒，協程的作用就是在乙個執行緒中人為控制 塊的執行順序。記住這句就可以了 具體解釋如下 在乙個執行緒中有很多函式，我們...