tornado学习

1. 简单理解协程

什么是协程
本质上什么是协程？举个例子：就是类似goto一样，可以在多个fun之间来回跳转。比如A函数执行到一半然后switch到B函数执行...诸如此类。 那如果只考虑一个函数呢？那对于A函数而言：其实就是其可以执行到一半先停下，干点别的事情后再接着往下运行。看到这里你是不是想到了debug时的打断点？执行到断点的时候就停下，只有next往下setp时候这个函数才接着往下执行，对不对？ 那如果我们可以实现类似的断点机制，是不是就可以实现多个函数来回跳转呢？A函数执行到断点时就停下，系统去B执行，等B执行完毕了才回来接着step往断点后边的代码航执行~

协程其实就是这么个东西，那么在Python中什么可以实现debug断点功能呢？当然是yield了。执行到中间的yield系统就停下返回了，之后在调用next时才回接着往下执行。 你看，是不是通过这个东西就可以做到多个函数之间来回跳转？

那什么时候跳转呢？之前是yield才会，那我是不是可以将之封装一下呢？封装成：一个协程，然后sleep就yield出来，接下来就做到协程的功能来。

本质上就是这么回事~别听别人说的多悬乎~只是在这个基础模型上又加了很多manager的功能等等~

2. Future到底是什么玩意儿

如代码

from tornado.concurrent import Future
def async_fetch_future(url):
    http_client = AsyncHTTPClient()
    my_future = Future()
    fetch_future = http_client.fetch(url)
    fetch_future.add_done_callback(
        lambda f: my_future.set_result(f.result()))
    return my_future

没有并行经验的童鞋肯定是想不通Future到底是用来干嘛的，所以首先我们要知道python多线程坑爹的GIL。

对于python来说，作为解释型语言，Python的解释器必须做到既安全又高效。我们都知道多线程编程会遇到的问题，解释器要留意的是避免在不同的线程操作内部共享的数据，同时它还要保证在管理用户线程时保证总是有最大化的计算资源。而python是通过使用全局解释器锁来保护数据的安全性：
python代码的执行由python虚拟机来控制，即Python先把代码（.py文件）编译成字节码（字节码在Python虚拟机程序里对应的是PyCodeObject对象，.pyc文件是字节码在磁盘上的表现形式），交给字节码虚拟机，然后虚拟机一条一条执行字节码指令，从而完成程序的执行。python在设计的时候在虚拟机中，同时只能有一个线程执行。同样地，虽然python解释器中可以运行多个线程，但在任意时刻，只有一个线程在解释器中运行。而对python虚拟机的访问由全局解释器锁来控制，正是这个锁能保证同一时刻只有一个线程在运行。在多线程的环境中，python虚拟机按一下方式执行：
1. 设置GIL(global interpreter lock).
2. 切换到一个线程执行。
3. 运行：
a. 指定数量的字节码指令。
b. 线程主动让出控制（可以调用time.sleep(0)）。
4. 把线程设置为睡眠状态。
5. 解锁GIL.
6. 再次重复以上步骤。
GIL的特性，也就导致了python不能充分利用多核cpu。而对面向I/O的（会调用内建操作系统C代码的）程序来说，GIL会在这个I/O调用之前被释放，以允许其他线程在这个线程等待I/O的时候运行。如果线程并为使用很多I/O操作，它会在自己的时间片一直占用处理器和GIL。这也就是所说的：I/O密集型python程序比计算密集型的程序更能充分利用多线程的好处。
总之，不要使用python多线程，使用python多进程进行并发编程，就不会有GIL这种问题存在，并且也能充分利用多核cpu。

言归正传，Future到底是个什么玩意儿呢？其实这个玩意儿就跟python3中的concurrent.futures相似，那后者又是个什么玩意儿呢？简单来说，它就是一个实现异步调用的接口。所以上面代码，在my_future = Future()到return my_future之间的就是我们需要异步处理的代码，而返回my_future就告诉了系统我们这个程序还没搞定，需要挂起玩儿一会儿。我也解释不清楚，后面tornado.gen就是把这个过程用装饰器封装起来了而已，依样画葫芦就行了。

草，妈的，说不清楚了。