tornado 第一篇
一：异步和非阻塞IO
实时的web特性通常需要每个用户一个大部分时间，在传统的同步web服务器中，这意味着需要给每个用户分配一个专用的线程，这样的开销是十分巨大
tornado使用啦一种单线程事件循环的方式，这意味着所有的应用代码都应该是异步和非阻塞的，因为在同一时刻只有一个操作是有效的
1，阻塞
一个函数在等到返回值等都是阻塞的，
一个函数可以在某些方面阻塞而在其他方面不阻塞，举例说明。tornado,httpclient在默认设置下讲阻塞与DNS解析，但是在其他网络请求时不会阻塞（为了减轻这种影响，可以用ThreadeResolver 或通过正确配置libcurl使用tornado.curl_htpclient）,在Tornado的上下文中我们通常讨论网络I/O上下文阻塞，虽然各种阻塞已经被最小化啦
2，异步
一个异步函数在在它结束前就已经返回啦，而且通常会在程序中触发一些动作然后在后头执行一些任务，这里有几种类型的异步接口
1，回调函数
2，返回一个占位符（Future，Promise，Deferred）
3，传送一个队列
4，回调注册
一个简单的同步异步函数
from tornado.httpclient import HTTPClient from tornado.concurrent import Future def synchronous_fetch(url): http_client = HTTPClient() def handle_response(response): callback(response.body) http_client.fetch(url,callbace=handle_response)
在一次通过Future替代回调函数
def async_fetch_future(url): http_client=HTTPClient() 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
原始的Future是很复杂的，但是Futures是tornado中推荐使用的一种做法，因为他有两个优势
错误处理是通过Future.result 函数可以简单抛出一个异常，还有就是携程兼容比较好
rom tornado import gen @gen.coroutine def fetch_coroutine(url): http_client = AsyncHTTPClient() response = yield http_client.fetch(url) raise gen.Return(response.body)
语句 raise gen.Return(response.body) 在 Python 2 中是人为设定的, 因为生成器不允许又返回值. 为了克服这个问题, Tornado 协程抛出了一个叫做 Return 的特殊异常. 协程将会像返回一个值一样处理这个异常.在 Python 3.3+ 中, return response.body 将会达到同样的效果.
二：协程
tornado中推荐协程来编写异步代码，协程使用python中关键件yield替换链式回调实现挂起和继续协程的执行（像在gevent中使用轻量级线程合作的方法有时也称作为协程，但是在Tornado中所有的协程使用异步函数来实现明确的上下文切换）
看下协程的代码
from tornado import gen from tornado import HTTPClient def fetch_coroutie(url): http_client=AsyncHTTPClient()
respone=yield http_client.fetch(url)
# raise gen.Return(respone.body)
return respone.body
python3.5 async和awiat
python3.5 引入啦async和await 从tornado4.3开始，在协程基础上你可以使用这个来代替yield，简单的通过使用async def foo（）来替代 @gen.coroutine 装饰器，用await来代替yield，可以看下下面的例子
async def fetch_coroutine(url): http_client = AsyncHTTPClient() response = await http_client.fetch(url) return response.body
一个含有yield的函数时是一个生成器，所有的生成器都是异步的，调用它时将会返回一个对象而不是将函数运行完成，@gen.coroutine修饰器通过yeild表达式通过产生一个Future对象和生成器进行通信
可以看下一个协程装饰器内部循环的简单版本
def run(self): future=self.gen.send(self.next) def callback(f): self.next=f.result() self.run() future.add_done_callback(callback)
有时你并不想等待一个协程的返回值. 在这种情况下我们推荐你使用 IOLoop.spawn_callback, 这意味着 IOLoop 负责调用. 如果它失败了, IOLoop 会在日志中记录调用栈: 同时注意spawn_callback调用的函数，也必须是协程函数
# The IOLoop will catch the exception and print a stack trace in
# the logs. Note that this doesn't look like a normal call, since
# we pass the function object to be called by the IOLoop.
IOLoop.current().spawn_callback(divide, 1, 0)
协程模式
1，结合callbacks
为了使用回调来代替Future与异步代码进行交互，将这个调用装在task中，这将会在你生成的Future对象中添加一个回调参数
@gen.coroutine def call_task(): yield gen.Task(some_function, other_args) #把yeild换成gen_Task
2，调用阻塞函数
在协程中调用阻塞函数的最简单方法是使用ThreadPoolExecutor 这将返回与协程兼容的Futures
thread_pool = ThreadPoolExecutor(4) @gen.coroutine def call_blocking(): yield thread_pool.submit(blocking_func, args)
3，并行
协程装饰器识别列表或者字典中的Futures，并且并行等待这些Fuures
@gen.coroutine def parallel_fetch(url1,url2): resp1,resp2 = yield [http_client.fetch(url1), http_client.fetch(url2)] @gen.coroutine def parallel_fetch_dict(urls): responses = yield {url: http_client.fetch(url) for url in urls}
4，交叉存取技术（项目一般用到比较多）
有时保存一个Future比立刻yield它更有用，你可以等待它之前执行其他操作
def get(self): fetch_future = self.fetch_next_chunk() while True: chunk = yield fetch_future if chunk is None:break self.write(chunk) fetch_future= self.fetch_next_chunk() yield self.flush()
5，循环
因为python无法使用forwhile循环yield迭代器，并且捕获yield的返回结果，相反，你需要将循环和访问结果区分开来，
import motor db = motor.MotorClient().test @gen.coroutine def loop_example(collection): cursor = db.collection.find() while (yield cursor.fetch_next): doc = cursor.next_object()
6，在后台运行
@gen.coroutine def minute_loop(): while True: yield do_something() yield gen.sleep(60) # Coroutines that loop forever are generally started with # spawn_callback(). IOLoop.current().spawn_callback(minute_loop)
更过内容可以参考：http://tornado-zh-cn.readthedocs.io/zh_CN/latest/guide/coroutines.html#python-3-5-async-await
