Tornado 异步协程coroutine原理

协程定义：

协程，又称微线程，纤程。英文名Coroutine。

子程序，或者称为函数，在所有语言中都是层级调用，比如A调用B，B在执行过程中又调用了C，C执行完毕返回，B执行完毕返回，最后是A执行完毕。
所以子程序调用是通过栈实现的，一个线程就是执行一个子程序。
子程序调用总是一个入口，一次返回，调用顺序是明确的。而协程的调用和子程序不同。
协程看上去也是子程序，但执行过程中，在子程序内部可中断，然后转而执行别的子程序，在适当的时候再返回来接着执行。
注意，在一个子程序中中断，去执行其他子程序，不是函数调用，有点类似CPU的中断。

那和多线程比，协程有何优势？

最大的优势就是协程极高的执行效率。因为子程序切换不是线程切换，而是由程序自身控制，因此，没有线程切换的开销，和多线程比，线程数量越多，协程的性能优势就越明显。

第二大优势就是不需要多线程的锁机制，因为只有一个线程，也不存在同时写变量冲突，在协程中控制共享资源不加锁，只需要判断状态就好了，所以执行效率比多线程高很多。

因为协程是一个线程执行，那怎么利用多核CPU呢？最简单的方法是多进程+协程，既充分利用多核，又充分发挥协程的高效率，可获得极高的性能。

Python对协程的支持还非常有限，用在generator中的yield可以一定程度上实现协程。虽然支持不完全，但已经可以发挥相当大的威力了。

来看例子：
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，但一不小心就可能死锁。
如果改用协程，生产者生产消息后，直接通过yield跳转到消费者开始执行，待消费者执行完毕后，切换回生产者继续生产，效率极高：

1. # yield 的生产者消费者模型

3. def consumer():

4. r = 'i am start now!!!'

5. while True:

6. i = yield r

7. print 'consuming task %s' % i

8. r = '200 Done'

11. def producer(c):

12. start_up = c.next() # 或者c.send(None) 启动生成器, 遇到yield 返回 重新来到这里

13. print 'start_up is %s' % start_up

14. n = 5

15. i = 0

16. while i < n:

17. i+=1

18. print 'producing task is %s' % i

19. res = c.send(i) # 生产了一个任务，通过 send(i) 把函数执行权切换到consumer，消费者接收任务处理， 此时consumer 的yield r 表达式等于send()的参数，即i=i

20. # 而send(i) 的返回值就由consumer的yield r产生，yield r 可以相当于return r 所以，res=“200 Done”

21. print 'consumer done ,res: %s' % res

23. c.close() # 不生产任务了，就关闭生成器

26. c = consumer()

27. producer(c)

上面的协程运行流程是：

1. c = consumer() 创建一个生成器，注意并不是执行一个函数，这里只会生成一个生成器对象，没有执行里面的任何代码， 要启动生成器，需要c.next() 或者c.send(None)来启动。
2. produce(c) 把c生成器传进去producer，然后start_up=c.next() 这里就是启动了consumer()生成器，
   启动的意思是，开始运行生成器，直到遇到yield , 就会把yield后面的内容返回，并且回到原来的地方，
   这里遇到了yield r, 相当于把r变量返回（想象成return r）， 并且回到执行c.next()的函数（producer）来，继续执行producer的代码。
   所以start_up = c.next() 做了两件事：
   • 进去了另外一个函数consumer()执行， 直到遇到yield
   • 遇到 yield r， 然后就回到producer里面了，顺便把r的值给到start_up, 这里是start_up="i am start now!!!"
   • 保留现场，这次停留在哪个yield， 下次回来就会在这个yield继续
3. 上面启动了consumer生成器后回到来，producer()继续跑下面的代码， 遇到res=c.send(1),
   这里的c.send() 相当于 c.next(),也是重新回到生成器里面执行 ，只不过send()可以带参数，把参数带过去生成器。
   所以 res = c.send(1), 做了几件事：
   • 重新进入consumer()生成器，回到上一次跳出来的yield位置， 也就是yield r
   • 并且不同