由于GIL的存在，Python多线程性能比单线程还要差。GIL：全局解释器锁（英文：GlobalInterpreterLock，简称GIL），是计算机程序设计语言解释器用来同步线程的一种机制，它在任何时候都只允许一个线程执行。[1]即使在多核处理器上，使用GIL的解释器一次也只允许一个线程执行。于是就有了Coroutine这个东西。Coroutine：协程，又称微线程、纤程，英文名Coroutine。协程的作用是在执行函数A时，可以随时中断执行函数B，然后中断继续执行函数A（可以自由切换）。但是这个过程并不是函数调用（没有call语句），整个过程看起来是多线程的，但是只有一个线程在执行协程。由于协程是由程序主动控制的，没有线程切换的开销，所以执行效率极高。非常适合IO密集型任务。如果是CPU密集型，建议使用多进程+协程。在Python3.4之前，官方并没有对协程的支持，有一些第三方库的实现，比如gevent、Tornado。3.4之后内置了asyncio标准库，正式实现了coroutines的特性。Python对协程的支持是通过生成器实现的，生成器是遵循一定规则的生成器。因此，在了解协程之前，我们必须先了解一下生成器。Generators这里主要讨论yield和yieldfrom这两个表达式，这两个表达式与协程的实现密切相关。yield表达式是在Python2.5中引入的，参见PEP342https://www.python.org/dev/pe...yieldfrom语法是在Python3.3中加入的，参见PEP380https://www.python.org/dev/体育。..方法中包含了yield表达式后，Python会把它当作生成器对象，不再是普通的方法。yield表达式的使用先来看看这个表达式的具体用法：deftest():print("generatorstart")n=1whileTrue:yield_expression_value=yieldnprint("yield_expression_value=%d"%yield_expression_value)n+=1#①创建生成器对象generator=test()print(type(generator))print("\n-------------\n")#②启动生成器next_result=generator.__next__()print("next_result=%d"%next_result)print("\n----------------\n")#③发送值到yieldexpressionsend_result=generator.send(666)print("send_result=%d"%send_result)执行结果：------------generatorstartnext_result=1----------------yield_expression_value=666send_result=2方法说明：__next__()方法：作用是启动或恢复生成器的执行，相当于send(None)send(value)方法：作用是将值发送给yield表达式。启动生成器是对调用send(None)执行结果的描述：①创建生成器对象：包含yield表达式的函数将不再是函数，调用后返回生成器对象②启动生成器：需要在使用生成器__next__或send(None)之前调用它，否则会报错。启动生成器后，代码会执行到yield出现的位置，即yieldn，然后将n传递给generator.__next__()行的返回值。（注意生成器执行到yieldn后会在这里暂停，直到启动下一个生成器）③向yield表达式发送一个值：调用send方法向yield表达式发送一个值，并在此时恢复生成器的执行同一时间。generator从上次中断的位置继续往下执行，遇到下一个yield，generator再次暂停，切换到main函数，打印send_result。理解这个demo的关键是：generator开始或者恢复执行一次，就会在yield处暂停。上面的步骤②只执行了yieldn，并没有执行赋值语句。在步骤③中，生成器在分配yield_expression_value之前恢复执行。在上面生产者和消费者模型的例子中，代码中断-->切换执行体现了协程的一些特点。再举一个生产者和消费者的例子。这个例子来自廖雪峰的Python教程：传统的生产者消费者模型是一个线程写消息，一个线程取消息，通过锁机制控制队列和等待。小心，死锁是可能的。现在切换到协程。producer生产完消息后，直接通过yield跳转到consumer开始执行。消费者执行完后，切换回生产者继续生产，效率极高。defconsumer():print("[CONSUMER]start")r='start'whileTrue:n=yieldrifnotn:print("nisempty")continueprint("[CONSUMER]消费者正在消费%s"%n)r="200ok"defproducer(c):#启动生成器start_value=c.send(None)print(start_value)n=0whilen<3:n+=1print("[PRODUCER]Producerisproducing%d"%n)r=c.send(n)print('[PRODUCER]Consumerreturn:%s'%r)#关闭generatorc.close()#创建生成器c=consumer()#传入generatorproducer(c)执行结果：[CONSUMER]startstart[PRODUCER]producerisproducing1[CONSUMER]consumerisconsuming1[PRODUCER]Consumerreturn:200ok[PRODUCER]producerisproducing2[CONSUMER]consumerisconsuming2[PRODUCER]Consumerreturn:200ok[PRODUCER]producerisproducing3[CONSUMER]consumerisconsuming3[PRODUCER]Consumerreturn:200ok注意消费者函数是一个generator，把一个consumer传入produce后：首先调用c.森d(None)启动发电机；然后，一旦产生了一些东西，通过c.send(n)切换到消费者执行；consumer通过yield获取消息，进行处理，通过yield返回结果；produce获取消费者处理结果，继续生产下一条消息；produce决定不生产，通过c.close()关闭consumer。整个过程无锁结束，由一个线程执行。生产者和消费者协作完成任务，所以称为“协程”，而不是线程的抢占式多任务。yieldfrom表达式Python3.3版本增加了yieldfrom语法，用于将一个生成器的一些操作委托给另一个生成器。此外，允许子生成器（即yieldfrom之后的“参数”）返回一个可以被委托生成器（即包含yieldfrom的生成器）使用的值。在委托生成器中，可以优化子生成器。我们先来看最简单的应用，例如：#Subgeneratordeftest(n):i=0whilei
