同步、异步、非阻塞I/O, 进程，线程，协程 async await go这一篇就够了

事件

发生了一件事，这件事是面向宇宙公开的，事件的所有信息会通过各种载体以事件源为中心向外传播，在时间和空间的方向上传播。 有兴趣的观察者会根据此事件的信息做出反应，或者把信息进行加工处理继续传播，或者加载处理成消息向某些特定的接收器传播；没有兴趣的观察者则不为所动。
举例：太阳升起来了，超新星爆发了， 一个人出生或者死亡，中华人民共和国成立，光览意外断掉，数据中心中某一台服务器的硬盘故障。
事件转信息：按记叙文六要素：Event(起因，经过，结果，时间，地点，人物)。

##消息
特定的接发送方向特定的接收方发送的待定的信息。
举例：早上打开手机收到很多推送消息；收到邮件，收到微信，发了一条短信。

事件与消息的区别

类型	公开范围	源地址是否明确	目的地址是否存在	是否有特定的中转站或者接收方
事件	整个系统	明确，事件源	不确定	无
消息	待定范围	明确，消息发送方	明确，消息接收方，或者中转站	有，消息队列

编程模型

• 在软件系统中，有一种编程模型叫事件驱动，
  当某一事件发生时会调用注册在该事件上的回调函数。例如：libevent库。
• 在软件系统中，还有一种编程模型叫消息驱动
  当某一事件发生时，会有专门的程序负责决定把消息发到某个具体的消息队列里。如windows就是消息驱动机制，每个窗口有一个消息队列，windows内核程序负责把用户的输入，转化为消息，投递到一个或者多个需要消费此消息的队列里。
• 在软件系统中，还还有一种编程模型叫数据驱动
  当数据来的时间才做计算，在flink里，event_time开窗口时很明显。
• 在软件系统中，
  最最常用简单的模型叫轮询模式，CPU不断地查看一件事有没有发生，如有没有数据可以读，读取有没有完成。没完成则sleep一下继续查看。 显然不需要回调函数这么复杂。

同步

同步，意味着等待。 你需要别人做一件事，在别人做事儿的时候，你干等着。等别人做完，你拿到结果再做下一件事。
软件系统中，常见的比如阻塞I/O操作。当你要读一个文件，或者发送一段数据到网络上，这段数据没有读完或者发送完，程序会进入睡眠状态，等待操作完成。再例如，你在打电话，别人在说话的时候，你必须等他说完。

异步

异步，意味着没有等待。 你需要别人做一件事儿，在别人做事时，你不用干等着。你可以继续做下一件事儿。你可以在你把所有事儿做完后再去看看，你让别人做的事儿做好了没。或者别人做好时主动通知你一下。
可以看出一个人做事，是没法异步的。在计算机里如果只有一个线程，那也是没法异步的，在多个线程中，一个线程把任务提交给另一个线程执行，而自己干其他的事，这才叫异步执行任务。

阻塞 & 非阻塞

在软件系统中，经常需要进行I/O操作，如果在I/O操作时，你的程序进入了睡眠状态，并等I/O操作完成才被唤醒，这就叫阻塞。
非阻塞意味着你不会进入睡眠状态。 比如你在读一个socket,如果有数据就直接读成功，没有数据也不会进入睡眠，而是立即返回错误码，告诉你没有数据，一会儿再来读吧。明显非阻塞和轮询一起用。

python生成器

有这样一种场景，有一个集合，里边是0到1亿之间的奇数。如果在计算机里保存这个集合，
将会占用很大的空间。但是，我们既然知识是奇数，就可以只保存这个规律.
生成器需要外部触发一次运行，如gen.send(param), 这时，生成器会运行到yield这行并暂停，并返回。
等待下次触发，会拿到param,并继续运行到yield. 直到结束，抛出StopIteration异常。

def odd(n):
	for x in range(1,n,2):
		y = yield x
		print(y)

for x in odd(10):
	print(x)

odd就是一个生成器函数，因为有yield, gen = odd(10), gen是个生成器
生成器实现了迭代器的接口，所以可以用for去迭代。

gen=odd(8)
y=gen.send(None) #send None表示开始生成器,返回1
print("begin", y) #1
print(next(gen)) 　#3
print(next(gen))   #5
print(gen.send(10)) #7这里把10send到yield
print(gen.send(100)) #这里把100send到yield, 但是抛出StopIteration异常

python yield from

如果你想在一个生成器里返回另一个生成器

def wrapper_odd(n):
for x in odd(n):
yield x

python有更简单的语法糖 yield from

def wrapper_odd2(n):
yield from odd(n)## python生成器
有这样一种场景，有一个集合，里边是0到1亿之间的奇数。如果在计算机里保存这个集合，
将会占用很大的空间。但是，我们既然知识是奇数，就可以只保存这个规律.
生成器需要外部触发一次运行，如gen.send(param), 这时，生成器会运行到yield这行并暂停，并返回。
等待下次触发，会拿到param,并继续运行到yield. 直到结束，抛出StopIteration异常。

def odd(n):
	for x in range(1,n,2):
		y = yield x
		print(y)

for x in odd(10):
	print(x)

odd就是一个生成器函数，因为有yield, gen = odd(10), gen是个生成器
生成器实现了迭代器的接口，所以可以用for去迭代。

gen=odd(8)
y=gen.send(None) #send None表示开始生成器,返回1
print("begin", y) #1
print(next(gen)) 　#3
print(next(gen))   #5
print(gen.send(10)) #7这里把10send到yield
print(gen.send(100)) #这里把100send到yield, 但是抛出StopIteration异常

python yield from

### 如果你想在一个生成器里返回另一个生成器
def wrapper_odd(n):
	for x in odd(n):
		yield x
### python有更简单的语法糖 yield from
def wrapper_odd2(n):
	yield from odd(n)

递归生成器

TravelList把list变成一个非list成员，如果list里的成员也是个list就递归下去。

def TravelList(lst): #gen=TravelList([1,2,3]), gen是个生成器，可以用for x in gen迭代
	for item in lst:
		if isinstance(item, list):  #如果item是list，递归调用
			yield from TravelList(item) 
		else:
			yield item #如果item不是list
lst = [1,2,3,[4,5,6],7,[8,9,[10,11,[12,13,[14]],15],16]]
for x in TravelList(lst):
	print(x)

对比与使用场景

说了这么多概念，他们是什么关系呢？为什么要有这么多概念呢？
因为需要提高效率。不同应用场景下，使用最合适的模型才是最好的。

同步与异步对比

同步的优点是 编程时简单，代码易读，出错概率小，自上而下写代码，自然。
同步的缺点是遇到阻塞时，后续代码不能执行，导致效率低，吞吐低。
异步的优点：无需阻塞，把任务交给其他线程完成，自己可以做更多的事儿
异步的缺点：编程时麻烦，经常需要设置回调函数，使得代码不再是自上而下，理解困难。
要么需要不断查看异步任务完成，要么设置回调，要么等待异步任务完成。

下面以要请求两个http服务得到结果，并进行计算来举例看一下，同步和异步的区别。
一个更真实的例子：如一个用户要登录系统，
第一步：要去鉴权服务鉴权
第二步，鉴权成功要去数据库拉取用户信息
第三步，返回用户信息
伪代码
同步：

def login(p1, p2):
  param1 = http.get(p1)  #这里会阻塞，等鉴权完成
  if !param1.ok: #鉴权失败
    return
  param2 = http.get(p2)  #这里会阻塞，等拉取完成
  return (param1,param2)

异步回调编程：
看了如下代码，各种回调，本来同步代码里顺序的三步，现在硬生生被分成三个函数。
想到被libevent, epoll支配的痛苦了吧。

def login(p1, p2):
   http.get(p1, OnGetP1) #由于是异步，这里不会阻塞，实际上这个请求任务交给另一个线程去做了
   #这里可以直接返回了。 也可以处理另一个用户的请求
def OnGetP1(param1, p2): #param1就是http.get异步执行完的结果
    if !param1.ok: #鉴权失败
      return
   http.get(p2, OnGetP2, param1) #由于是异步，这里不会阻塞
def OnGetP2(param1, param2): #param2就是http.get异步执行完的结果
   return (param1,param2)

在上面的例子中，同步会被阻塞，一个线程同时只能处理一个用户的请求。
而异步可以同时处理多个请求，就在http.get(p1, OnGetP1)后，可以立即
响应另一个用户的请求，而不等这个http请求结束。

但是，回调模式让人过于痛苦，所以为了解决这些痛苦，就有了以下方式

解决异步回调的痛点

• 多进程
• 多线程
• 同步非阻塞轮询
• promise/future
• async await
• 协程

其中是协程方案，尤其在GO语言原生支持协程的情况下，使得异步与同步编程一模一样。

普通阻同步塞式TCP服务器

#!/bin/env python
# -*- coding:utf8 -*-
import socket

sock = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
address = ('127.0.0.1', 9876)
sock.setsockopt(socket.SOL_SOCKET, socket.SO_REUSEADDR, 1)
sock.bind(address)
sock.listen(5)
print("start tcp server at:", address)


def handle_client(cli):
    data = cli.recv(1024) #收数据，可能阻塞
    print("recv:", data)
    cli.send(data) #发数据可能阻塞
    cli.close()


while True:
    conn, addr = sock.accept()
    print("accept client:", addr)
    handle_client(conn) #这里阻塞了，没法处理下一个客户端了

异步&异步I/O

异步是一个任务由其他线程执行，主线程可以先做其他事，需要的时候再看异步任务有没有完成
异步任务可以是计算任务，也可以是I/O任务。
计算密集型任务消耗CPU,一般使用多线程，多进程的方式，让一个线程对应一个CPU核心
由于CPU核心数量毕竟有限，所以使用多线程、多进程也不会创建很多线程，进程，开销也小。
而I/O则不同，以常见的tcp服务为例，可能会有上百万个客户端连接过来，每个客户端都要I/O
如果每个客户端给开一个进程或者线程进行I/O，开销巨大。大部分CPU资源将开销在线程调度上
再者，底层网卡一般只有一个，即使这么多客户端需要并行，到网卡也需要排队，线性化处理
所以，我们何不使用一个线程专门做I/O, 另一个线程做计算。异步I/O由此而来。
linux epoll机制，允许一个线程监听n个socket, 并以事件的形式进行通知用户线程是否可以进行I/O
我们可以单独开一个线程，进行epoll, 并进行数据读写，读写好之后再通知主线程。
对于主线程来说这就叫异步I/O了

在编程中，经常需要定时去做一件事儿， 如sleep x秒后。 把定时任务也单独放在一个线程中执行，
执行完成后再通知主线程。 当然sleep这个函数除了睡眠，它什么都不做。

#异步&异步I/O能有很多方式，其中python的asyncio包有各种方式。

总的来说分为三类：

• 异步计算：本质需要多线程支持，python有GIL锁，所以不可能进行异步并行计算。但是可以异步并发计算。
  提交异步task到另一个线程，或者使用协程进行异步
• 异步I/O: 本质低层还是要依赖epoll. 但是如果直接封装epoll,操作接口还是比较复杂，如果在语法上做
  一些封装，如hook所有的I/O调用，如read, write. 在read,write时并不真正的进行I/O,而是注册到epoll上。
• 异步定时器：定时任务，需要定时器，不能通过sleep来等。 asyncio包同样有hook sleep这个调用。因此
  调用asyncio.sleep并不会阻塞当前线程。

import time
import urllib.request
import concurrent.futures #真的异步I/O与计算
URLS=['https://www.baidu.com', 'https://www.taobao.com',
 'https://www.python.org', 'https://www.bilibili.com']

#load_url是会阻塞的
def load_url(url, timeout):
    with urllib.request.urlopen(url, timeout=timeout) as conn:
        time.sleep(10)
        return conn.read()
#pyhon多线程去执行任务，返回future,有线程池。 这与C++11的promise/future非常类似
#然而python有GIL锁，同时只能进行一个线程。所以想真正在实现并行计算，还是多进程好
#但是，对于I/O密集型应用，多线程开销太多。 Python一个线程对应一个操作系统线程
with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor:
    #提交阻塞任务给线程池
    future_to_url = {executor.submit(load_url, url, 30):url for url in URLS}
    for future in concurrent.futures.as_completed(future_to_url):
        url = future_to_url[future]
        try:
            data = future.result() #获取对象结果，会阻塞  future.set_result由线程池里的线程完成时调用
        except Exception as exc:
            print("%r generated an exception: %s" % (url, exc))
        else:
            print("%r page is %d bytes" % (url, len(data)))

至此,高并发I/O的问题还是没有解决。多进程与多线程的问题是不能满足高并发
epoll方式可以满足高并发，但是，基于事件循环，使得完整的代码逻辑在I/O时变得破碎

import asyncio
async def say_after(delay,what):
    print("begin say_after:", delay, what)
    await asyncio.sleep(delay)
    print(what)
async def main(): #这种async函数就叫协程了
    print("hello 1")
    await asyncio.sleep(1) #这里会阻塞，并在1秒后从这里恢复运行，这不就是线程吗？ await就是从语法上支持了协程的切换与调度
    print("hello 2")
    print("--------------------")
    #这才叫并发执行,虽然也在同一个线程，但是这里提交的是任务，主线程会依次把每个任务执行完成，或者执行到挂起
    task1 = asyncio.create_task(say_after(1,"hello"))
    task2 = asyncio.create_task(say_after(2,"world"))
    print(f"started at {time.strftime('%X')}")
    await task1  
    await task2
    print(f"finished at {time.strftime('%X')}")

asyncio.run(main())

python的coroutine在创建后是不会运行的，要等主线程去执行到协程。也就是asyncio.run
另外，python也不会创建多个线程去并发执行coroutine，所以这些coroutine并没有异步执行
一个coroutine,不执行到await他的这行代码，他是不会去异步执行的，如果想异步执行，只能async.create_task(co())了。
这样包装成task后，不需要await就会被调度执行
而javscript则不同，javascript引擎是单线程，但是浏览器，或者Node同时存在多个线程去并发进行I/O,这就是真正的异步了
因此，在js中， 调用main(),立即会执行print.
python与js的await/async的区别：https://zhuanlan.zhihu.com/p/103107567
python如果也想多个coroutine并发执行，则需要asyncio.run_coroutine_threadsafe(coro,loop)，把coroutine交给另一个loop执行
https://docs.python.org/3/library/asyncio-task.html#asyncio.create_task
官网中明确说明，coroutine执行方式有三种：1. asyncio.run(co()) 2. asyncio.create_task(co()) 3. await co()
python的协程是可以await的，这与golang不同。golang的协程没法await,需要自已用用sync.WaitGroup来同步
python async/await用法大全 https://www.imooc.com/article/263959

javascript中的异步

const http = require(‘https’);

//我们把依靠回调函数的http.request封装了promise,可以进行await了
async function http_req(url) {
    //promise对象，表示结果要等异步执行完成才能确定，如果调用await promise_obj,则会等到promise完成
    //完成后再执行下一行代码
    //promise对象创建时处于pending状态，如果调用了resolve,则会到fullfilled状态，如果调用reject,则会进入rejected状态。
    return new Promise((resolve, reject) => {
        const options = {
            host: url,
            port: 443,
            path: '/'
        };
        // 发出请求。 这里如果也能await就好了， axios就可以await
        const req = http.request(options); //这一步可能阻塞，但是实际上发请求拿响应这件事儿，被封装成task提交到另一个线程去了
        req.end();

        req.on('response', (resp) => {  //接收响应还是要等回调
            console.log(`获得响应的信息: ${resp.statusCode}`);
            //如果使用回调函数，那就要在这里再来一次http.request,这要是嵌套深了，很痛苦
            resolve(resp); //一段时间后，这里的resolve调用使得promise从pending状态转移到了fullfilled状态
        });
        req.on('error', (e) => {
            reject(e); //一段时间后，这里reject使得promise从pending状态转移到了rejected状态
        })
    });
}

//有时候需要等第一个http请求成功再进行第二个请求
//如果使用回调函数，那就要在回调函数里再发起一次http请求
//未避免这种复杂的代码架构，js有async, await， await可以等一个异步操作结束
async function http2req() { //http2req()是async函数，所以返回的是Promise对象，就不用自己再new promise了
    h1 = await http_req("www.taobao.com") //await可以确保h1得到值才进行一下步；所以这一步实际上会挂起http2req这个函数，一会执行完成再从这里恢复，这不就是协程吗？
    console.log(`await1获得响应的信息: ${h1.statusCode}`);
    h2 = await http_req("www.python.org") //这里就可以使用h1的值了，不需要深度嵌套回调了 了
    console.log(`await2获得响应的信息: ${h2.statusCode}`);
    //throw new Error("bad bad bad"); 抛出异常就是调用reject了
    //在async函数里返回值会被封装成promise对象,同时把返回值设置好，并修改Promise对象的状态为fullfilled. 省得调用resolve了
    return { "h1": h1, "h2": h2 };
}
console.log("send request")

ans = http2req()
console.log("ans is a promise")
//最终还是得靠回调函数，主线程才能到得结果。因为JS是单线程程序
ans.then((res) => {
    console.log("res:", res);
}).catch((e) => {
    console.log("error catch:", e)
})

//javascript里提供的http库，file库，这些所有涉及到I/O的库，已经不是操作系统原生接口了
//是js专门hook的接口，所以调用这些I/O接口，并不会阻塞，只是提交了一个任务(Promise),由专门的I/O线程去处理
//这个I/O线程可以理解为使用了epoll的线程，等这I/O完成，再通知主线程去执行回调函数。

//然后，厉害的是async/await.  
//async使得一个函数的返回值变成了promise, 在函数体中return就是fullfill 这个promise, 在函数体中throw Error就是reject这个Promise
//await更强大，他能等一个promise完成。怎么等呢？就是挂起当前函数，等到promise变成fullfilled或者rejected后，再恢复运行
//这里很像是一个线程，或者进程切换时的场景，但是，这只是用户态一个小函数的状态保存，所以这种用户态轻量级线程，我们就叫它协程了


var sleep = function (time) {
    return new Promise(function (resolve, reject) {
        setTimeout(function () {
            resolve();
        }, time);
    });
};

async function exec() {
    await sleep(2000);
}

async function go() {
    console.log(Date.now())
    c1 = exec() //js任务已经开始执行，但是python却不是
    c2 = exec()//js任务已经开始与上一个任务并发执行，但是python却不是
    //c1,c2已经开始运行了
    console.log(c1, c2)
    await c1;
    await c2;
    console.log(Date.now())
}
async function go2() {
    console.log(Date.now())
    await exec() //c1运行2s
    await exec() //c2运行2s
    //c1,c2已经开始运行了
    console.log(Date.now())
}
//go(); // 2s
go2(); //4s

Linux AIO

linux内核支持AIO. 其实是用户线程把I/O请求提交给内核，内核完成I/O后通过信号，回调函数方式通知用户线程。
AIO不需要进行内核态.因此本质上要比使用epoll更加高效。但是听说AIO不成熟，对文件只能O_DIRECT.对socket不是刚好？
下面这段代码引用了：https://blog.csdn.net/summer_zgh/article/details/82416427
AIO也支持回调(还支持在新线程中回调，没有线程池也不好用)，wait.

#include <stdio.h>
#include <sys/socket.h>
#include <netinet/in.h>
#include <arpa/inet.h>
#include <assert.h>
#include <unistd.h>
#include <stdlib.h>
#include <errno.h>
#include <string.h>
#include <sys/types.h>
#include <fcntl.h>
#include <aio.h>

#define BUFFER_SIZE 1024

int MAX_LIST = 2;

int main(int argc, char **argv)
{
    //aio操作所需结构体
    struct aiocb rd;

    int fd, ret, couter;

    fd = open("test.txt", O_RDONLY);
    if (fd < 0)
    {
        perror("test.txt");
    }

    //将rd结构体清空
    bzero(&rd, sizeof(rd));

    //为rd.aio_buf分配空间
    rd.aio_buf = malloc(BUFFER_SIZE + 1);

    //填充rd结构体
    rd.aio_fildes = fd;
    rd.aio_nbytes = BUFFER_SIZE;
    rd.aio_offset = 0;

    //进行异步读操作
    ret = aio_read(&rd);
    if (ret < 0)
    {
        perror("aio_read");
        exit(1);
    }

    couter = 0;
    //  循环等待异步读操作结束
    while (aio_error(&rd) == EINPROGRESS)
    {
        printf("第%d次\n", ++couter);
    }
    //获取异步读返回值
    ret = aio_return(&rd);
    ((char *)rd.aio_buf)[ret] = 0;
    printf("\n\n返回值为:%d\n %s\n", ret, rd.aio_buf);

    return 0;
}

proactor & reactor

前面提到过多次，I/O操作是主线程中完成(reactor)，还是在其他线程中读写好数据再通知主线程查看结果(proactor)
其中Reactor模式用于同步I/O，而Proactor运用于异步I/O操作。
详解可以看：https://cloud.tencent.com/developer/article/1488120

c++ boost.asio

采用proactor模式，而且需要回调函数。不用看就知道使用起来有多麻烦了吧。
C++20 引用协程，可以更好的使用boost.asio co_await
看看boost的文档：没有co_await之前，各种回调，简单让人头大

c++ boost.asio + 回调

https://www.boost.org/doc/libs/1_75_0/doc/html/boost_asio/example/cpp17/coroutines_ts/echo_server.cpp

#include <cstdlib>
#include <iostream>
#include <boost/bind.hpp>
#include <boost/asio.hpp>

using boost::asio::ip::tcp;

class session
{
public:
  session(boost::asio::io_service& io_service)
    : socket_(io_service)
  {
  }

  tcp::socket& socket()
  {
    return socket_;
  }

  void start()   //开始session就是要注册一个回调函数，当socket数据读好之后再调用回调， proactor模式，
  {
    socket_.async_read_some(boost::asio::buffer(data_, max_length),
        boost::bind(&session::handle_read, this,
          boost::asio::placeholders::error,
          boost::asio::placeholders::bytes_transferred));
  }

  void handle_read(const boost::system::error_code& error,    //proactor模式，所以这里回调过来。数据已经读好在Buffer里了
      size_t bytes_transferred)
  {
    if (!error)
    {
      boost::asio::async_write(socket_,                      //要写数据，当然也是先请求写，把写请求提交给io_service事件循环啦，等写完成再回调handle_write
          boost::asio::buffer(data_, bytes_transferred),
          boost::bind(&session::handle_write, this,
            boost::asio::placeholders::error));
    }
    else
    {
      delete this;
    }
  }

  void handle_write(const boost::system::error_code& error)  //这里回调这来，已经写好了。而不是像Epoll,通知你可以写了。
  {
    if (!error)
    {
      socket_.async_read_some(boost::asio::buffer(data_, max_length),
          boost::bind(&session::handle_read, this,
            boost::asio::placeholders::error,
            boost::asio::placeholders::bytes_transferred));
    }
    else
    {
      delete this;
    }
  }

private:
  tcp::socket socket_;
  enum { max_length = 1024 };
  char data_[max_length];
};

class server
{
public:
  server(boost::asio::io_service& io_service, short port)
    : io_service_(io_service), //初始化了io_service
      acceptor_(io_service, tcp::endpoint(tcp::v4(), port)) //初始化了acceptor
  {
    session* new_session = new session(io_service_);  //新建立那个session,等着新的客户端连接来
    acceptor_.async_accept(new_session->socket(),     //异步accept,这里其实不会accept,而是有客户端连接来，才会调用handle_accept
        boost::bind(&server::handle_accept, this, new_session,
          boost::asio::placeholders::error));
  }

  void handle_accept(session* new_session,           //这个回调执行了，说明有连接来，io_service的epoll发现了，并回调
      const boost::system::error_code& error)
  {
    if (!error)
    {
      new_session->start();                         //会话开始。到此一个新连接开始处理。
      new_session = new session(io_service_);       //这段代码又重复了上边的逻辑，因为，又需要注册异步回调函数accept了。也就说上面的注册只生效一次
      acceptor_.async_accept(new_session->socket(),
          boost::bind(&server::handle_accept, this, new_session,
            boost::asio::placeholders::error));
    }
    else
    {
      delete new_session;
    }
  }

private:
  boost::asio::io_service& io_service_;
  tcp::acceptor acceptor_;
};

int main(int argc, char* argv[])
{
  try
  {
    if (argc != 2)
    {
      std::cerr << "Usage: async_tcp_echo_server <port>\n";
      return 1;
    }
    //创建io_service,可以理解为事件循环
    boost::asio::io_service io_service;

    using namespace std; // For atoi.
    //创建tcp server
    server s(io_service, atoi(argv[1]));

    //开始事件循环
    io_service.run();
  }
  catch (std::exception& e)
  {
    std::cerr << "Exception: " << e.what() << "\n";
  }

  return 0;
}

c++ boost.asio + 协程

c++也支持协程：https://www.boost.org/doc/libs/1_75_0/doc/html/boost_asio/example/cpp17/coroutines_ts/echo_server.cpp

#include <boost/asio/co_spawn.hpp>
#include <boost/asio/detached.hpp>
#include <boost/asio/io_context.hpp>
#include <boost/asio/ip/tcp.hpp>
#include <boost/asio/signal_set.hpp>
#include <boost/asio/write.hpp>
#include <cstdio>

using boost::asio::ip::tcp;
using boost::asio::awaitable;
using boost::asio::co_spawn;
using boost::asio::detached;
using boost::asio::use_awaitable;
namespace this_coro = boost::asio::this_coro;

#if defined(BOOST_ASIO_ENABLE_HANDLER_TRACKING)
# define use_awaitable \
  boost::asio::use_awaitable_t(__FILE__, __LINE__, __PRETTY_FUNCTION__)
#endif

//处理客户端连接，也是个协程
awaitable<void> echo(tcp::socket socket)
{
  try
  {
    char data[1024];
    for (;;)
    {
      //不用去注册回调函数来处理读数据成功了，就在这里。没有回调函数，代码不会被突然分割到其他函数中，看起来省脑子多了
      std::size_t n = co_await socket.async_read_some(boost::asio::buffer(data), use_awaitable);
      //写数据也是
      co_await async_write(socket, boost::asio::buffer(data, n), use_awaitable);
    }
  }
  catch (std::exception& e)
  {
    std::printf("echo Exception: %s\n", e.what());
  }
}

//这是awaitable函数
awaitable<void> listener()
{
  //运行器
  auto executor = co_await this_coro::executor;
  tcp::acceptor acceptor(executor, {tcp::v4(), 55555});
  for (;;)
  {
    //在这里等待接收一个连接，不用创建回调函数了，一个co_await,
    tcp::socket socket = co_await acceptor.async_accept(use_awaitable);
    //创建一个协程去处理客户端连接
    co_spawn(executor, echo(std::move(socket)), detached);
  }
}

int main()
{
  try
  {
   //创建事件循环
    boost::asio::io_context io_context(1);

    //停机信号也是这么简洁
    boost::asio::signal_set signals(io_context, SIGINT, SIGTERM);
    signals.async_wait([&](auto, auto){ io_context.stop(); });

    //创建了个协程，listener
    co_spawn(io_context, listener(), detached);

    //事件循环跑起来
    io_context.run();
  }
  catch (std::exception& e)
  {
    std::printf("Exception: %s\n", e.what());
  }
}
/*
g++ (GCC) 10.2.0
boost_1_75
g++  -std=c++20  -fcoroutines  -L/home/wangyonggang.adson/software/lib64/ ./boost_asio_test.cpp  -o boost_asio -lboost_system -lpthread -lstdc++ -lrt
*/

从I/O到协程

还是最初的问题，如果每个tcp客户端创建一个线程，受限于操作系统线程数量和调度性能，不能支持高并发。
于是就有两种解决思路
1.使用单线程，事件循环，用epoll技术监听多个文件描述符。 解决了阻塞和多线程开销过度问题，但是存在回调函数，代码逻辑割裂。
2.优化线程异性问题，使用用户态轻量级线程–协程，并重写所有I/O接口，使得I/O时自动挂起协程。I/O完成时唤醒协程。 解决了阻塞和线程过于重量级的问题，同时代码不再割裂。 但是，缺点是有的第三方库还是会阻塞一个操作系统线程，因此需要把第三方库重写一遍。

GO语言，协程解决所有问题

GO语言号称现代的C语言，语言级别协程支持。但是不是异步I/O. I/O还是本协程完成的。
处理器核心数：操作系统线程数据：GO协程数 = K:M:N
想了解MPG参考这个：https://www.jianshu.com/p/eae8b66e766d

package main

import (
        "fmt"
        "io"
        "log"
        "net"
)

func worker(conn net.Conn) {
        defer conn.Close()
        b := make([]byte, 512)
        for {
                size, err := conn.Read(b)#看着像是阻塞读，其实是向Epoll注册了fd,并挂起协程，等有数据来，再唤醒协程来读，然后从此处继续执行
                if err == io.EOF {
                        break
                }
                if err != nil {
                        log.Fatal(err)
                }

                fmt.Printf("Received %v bytes from %v\n", size, conn.RemoteAddr())
                size, err = conn.Write(b[0:size])
                if err != nil {
                        log.Fatal(err)
                }
                fmt.Printf("Written %v bytes to %v\n", size, conn.RemoteAddr())
        }
}

func main() {
        listner, err := net.Listen("tcp", "127.0.0.1:8085")
        if err != nil {
                log.Fatal(err)
        }
        fmt.Printf("Listering on %v\n", listner.Addr())
        for {
                conn, err := listner.Accept() #看着像是阻塞，其实是向Epoll注册了fd,并挂起协程，等有连接来，再唤醒协程，继续执行
                if err != nil {
                        log.Fatal(err)
                }
                fmt.Printf("Accepted connection to %v from %v\n", conn.LocalAddr(), conn.RemoteAddr())
                go worker(conn) #go一个，启动一个协程。不用像python/js/c++,非要把函数声明为异步函数。 Go协程轻量级，每个请求给分配一个，百万并发没问题
        }
}

总结

到此, js中的那些async/await; C++中的co_await, co_spawn, awaitable; python中的async await， yield, yield from;
以及这前语言中的各种I/O回调机制；各种协程，同步异步I/O都应该非常清楚了本质上是一样的。

当你看到async, yield, promise你立即想到，这段代码不会立即执行，要提交成任务，再执行。想拿到结果需要等等。
怎么等呢，await. 更高级的是使用协程，把async和await隐藏了，在所有I/O操作时，自动挂起协程，I/O完成再唤醒协程。