Python的語法是簡潔的，也是難理解的。
比如yield關鍵字：
def fun():
for i in range(5):
print('test')
x = yield i
print('good', x)
if __name__ == '__main__':
a = fun()
# print(a.__next__())
# print(a.__next__())
# print(a.__next__())
y = a.send(None)
y = a.send(-1)
y = a.send(-2)
#print(y)
凡是包含yield關鍵字的函數都不再是一個函數，而成為一個生成器(或迭代器，Generator)
Generator包含一個棧幀(Stack Frame)，它維護Generator自身的執行狀態，即便生成器的執行被暫停而返回到母程序中，下一次依然能恢復Generator的上一次的狀態，從一個yield執行到下一個yield語句前。這就是生成器的執行方式。
迭代一個執行器可以使用send方法，也可以使用__next__方法，send方法能給Generator傳遞即時的數據，同時接收Generator內部執行狀態，這個過程就是協程通信的基礎。
而__next__方法只能從Generator接收內部執行狀態，而無法向Generator中傳入信息，所以__next__不能完成通信，因為通信不能是單向的。
__next__調用下的Generator只是一個迭代器而已。而send調用下的Generator卻升級成為一個協程(Co-routine)
使用協程Coroutine的目的是為了避免將業務邏輯的實現混在異步IO的回調函數中，使得程序可讀性提升而已。
Python中異步IO采用selectors，它支持了各個操作系統的異步IO的事件管理機制(Linux是epoll)，通過selectors.DefaultSelector來實現事件與回調函數的綁定。可以將線程內CPU等待IO的時間轉移到操作系統上。畢竟和IO設備交互的不是應用程序，而是操作系統。
多線程：
import threading, time
global n
class MyThread(threading.Thread):
def __init__(self):
threading.Thread.__init__(self)
def run(self):
global n, lock
time.sleep(1)
if lock.acquire():
print(n)
print(self.name)
n += 1
lock.release()
if __name__ == '__main__':
n = 1
ThreadList = []
lock = threading.Lock()
for i in range(1, 200):
t = MyThread()
ThreadList.append(t)
for t in ThreadList:
t.start()
for t in ThreadList:
t.join()
多線程簡單，需要注意的就是鎖。資源的訪問在鎖中進行時，鎖才會起作用，因此這個鎖類似于獨立于線程的原子性對象，所有線程都在這個鎖上變得有序起來，離開鎖重歸無序競爭狀態。
因此資源無所謂唯一性和不可同時操作性，只有鎖自身具備這種性質。所有的資源的同步都是靠代碼的約束——將和資源相關的操作和鎖綁定在一起才能實現的。多線程在一般設備上效率不遜于協程(單線程內通過操作系統OS進行執行順序的切換)。
