代码环境：python3.6上一篇讲了多线程在python中的使用：点击阅读，现在讲讲python中的协程。异步IO我们知道CPU的速度比磁盘、网络等IO要快很多。在IO编程中，如果一个IO操作阻塞了当前线程，其他代码就无法执行，所以我们使用多个线程或进程并发执行代码。但是，系统资源是有限的。一旦线程过多，CPU时间就会耗费在线程切换上，实际执行代码的时间就会减少，导致性能严重下降。针对这个问题，我们需要另一种解决方案：异步IO。异步IO，即当代码需要执行一个耗时的IO操作时，只发出IO指令，不等待IO结果，再执行其他代码。一段时间后，当IO返回结果时，会通知CPU进行处理。python中的原始协程了解原始协程有助于我们后面理解现代协程的用法。协程的概念并不是python首先提出的，而是借鉴了其他语言。我们知道，两个普通函数的调用是有顺序的。比如函数A调用函数B，B执行完后返回结果给A，A执行完。协程似乎也是函数。如果协程A调用协程B，在执行过程中，可以中断协程B，然后执行A，然后在适当的时候返回到B，然后从中断点开始执行。协程的这个执行特性正好满足了我们的需求：通过协程进行异步IO编程。生成器演变成协程。Python是在生成器的基础上进行了一系列的功能改进，得到一个协程。从句法上讲，定义主体包含yield关键字。在协程中，yield不仅可以返回一个值，还可以接收调用者通过.send()方法发送的参数。yield通常出现在表达式的右侧，如：data=yieldsomething。如果yield后面没有表达式，说明此时yield只负责接收数据，协程一直返回None。简单协程的基本行为举个简单的例子：In[1]:defmy_coroutine():...:print('coroutineisactivated')...:whileTrue:#Yield后面没有表达式，这里只接收send()传过来的数据...:x=yield...:print(f'coroutinereceivedparameters:{x}')...:In[2]:my_corou=my_coroutine()#你可以查看协程当前状态In[3]:frominspectimportgetgeneratorstateIn[4]:getgeneratorstate(my_corou)Out[4]:'GEN_CREATED'#激活协程，这里可以使用my_corou.send(None)而不是In[5]:next(my_corou)coroutineisactivatedIn[6]:getgeneratorstate(my_corou)Out[6]:'GEN_SUSPENDED'In[7]:return_value=my_corou.send(99)coroutinereceivedparameters:99In[8]:print(return_value)NoneIn[9]:my_corou.close()In[10]:getgeneratorstate(my_corou)Out[10]:'GEN_CLOSED'通过例子，我们主要理解的是需要激活协程手动调用之前。记得在不需要时将其关闭。使用协程改进生产者-消费者模型。在传统的生产者-消费者模型中，一个线程写消息，另一个线程取消息。队列和等待是通过锁机制来控制的，但是一不小心就可能出现死锁。如果换成协程，producer产生消息后，直接通过yield跳转到consumer开始执行，consumer执行完再切换回producer继续生产。整个过程无锁高效：frominspectimportgetgeneratorstatedefconsumer():r='200OK'whileTrue:#yield接收生产者的数据赋值给n，返回处理结果状态r给n=yieldrprint(f'[CONSUMER]consumed:{n}')defproducer(c):#不要忘记激活协程c.send(None)n=0whilen<5:n=n+1print(f'[PRODUCER]produced:{n}')#一旦produced拿到东西后，通过c.send()切换到consumer去执行#consumer处理完数据后，通过yield返回结果状态，这里为获取返回内容r=c.send(n)print(f'[PRODUCER]消费者返回的处理结果：{r}')print(f'生产者不再生产，查看当前消费者状态：{getgeneratorstate(c)}')c.close()print(f'关闭消费者，查看当前消费者状态：{getgeneratorstate(c)}')if__name__=="__main__":producer(consumer())在上面的例子中，整个过程ess只有一个线程执行，没有锁。生产者和消费者合作完成任务。这是一种协作式多任务处理。应该区分多线程的抢占式多任务。asyncio在python3.4版本开始引入标准库asyncio，直接内置了对异步IO的支持。asyncio的编程模型是一个消息循环。我们直接从asyncio模块中获取EventLoop的引用，然后将需要执行的协程丢到EventLoop中执行，从而实现了异步IO。下面简单介绍一下asyncio涉及的一些词：Future：表示异步执行的操作的对象。一般情况下，Future不应该自己创建，只能通过asyncio等并发框架来实例化。Task：负责执行EventLoop中协程的任务，是Future的子类。换句话说，Task是Future，但不一定相反。以下是asyncio的常用API：asyncio.get_event_loop()：获取EventLoop对象运行协程asyncio.iscoroutine(obj)：判断对象是否为协程。asyncio.sleep(delay)：可以直接看成是多少秒的协程。asyncio.ensure_future(coro_or_future)：如果入参是协程，则启动协程，返回一个Task对象；如果入参是Future，则直接返回入参。asyncio.gather(coros_or_futures)：按照输入参数中协程的顺序保存协程的执行结果，大多数情况下使用。asyncio.wait(futures)：与gather相比，不一定按照输入参数的顺序返回执行结果。返回的任务包括已完成和待处理的任务。可以通过接收参数return_when来选择返回结果的时机，根据实际情况使用。我们将在下面使用新关键字async/await作为示例。async/await为了简化使用和识别异步IO，从python3.5开始引入了一个新的语法糖async/await，使用async将一个生成器标记为协程函数，然后使用await调用里面的另一个协程实现coroutine异步操作。注意：协程函数标有async。调用函数时协程还没有被激活。该函数可以通过await或yieldfrom激活，也可以通过ensuring_future()或AbstractEventLoop.create_task()调度执行。例如：fromasyncioimportsleepasaiosleep,gather,get_event_loopasyncdefcompute(x,y):print("Compute%s+%s..."%(x,y))awaitaiosleep(1)returnx+yasyncdefprint_sum(x,y):result=awaitcompute(x,y)print("%s+%s=%s"%(x,y,result))asyncdefcoro_main():'''通常我们会编写协程main函数，负责管理协程'''awaitgather(print_sum(1,2),print_sum(4,9))defmain():aioloop=get_event_loop()#内部使用ensure_future()激活coroutineaioloop.run_until_complete(coro_main())aioloop.close()if__name__=="__main__":main()执行结果：计算1+2...计算4+9...（停顿1秒左右，实际输出没有这一行)1+2=34+9=13观察例子的运行结果，我们可以看到在协程开始计算1+2之前，有一个IO操作耗时1秒，当前thread没有在等待，而是去执行其他协程来calculate4+9，实现并发执行。协程的结果按照gather输入参数的顺序打印。小结面对CPU的高速执行和IO设备的低速严重不匹配，我们至少需要知道两种解决方案：使用多进程、多线程并发执行代码；使用异步IO来执行代码。python协程基于generator的改进，底层实现在定义体中始终包含yield关键字。协程属于协作式多任务，整个过程不需要锁，这一点必须与多线程等抢占式多任务区分开来。asyncio支持异步IO。我们直接从asyncio模块中获取EventLoop的引用，然后将需要执行的协程丢到EventLoop中执行，从而实现了异步IO。在定义协程函数时，我们将协程函数标记为async，然后在协程内部使用await调用另一个协程来实现异步操作。
