协程是在 Tornado 中编写异步代码的推荐方式。协程使用 Python的await或yield关键字来暂停和恢复执行，而不是一连串的回调（在gevent等框架中看到的协作轻量级线程有时也称为协程，但在 Tornado 中，所有协程都使用显式上下文切换并被称为异步函数）
协程几乎和同步代码一样简单，但没有线程的开销。它们还通过减少可能发生上下文切换的位置数量，使并发更容易推理。
例子：
async def fetch_coroutine(url):
http_client = AsyncHTTPClient()
response = await http_client.fetch(url)
return response.body
Python 3.5 引入了async和await关键字（使用这些关键字的函数也称为“本机协程”）。为了与旧版本的 Python 兼容，您可以使用装饰器使用“装饰”或“基于产量”的协程tornado.gen.coroutine
尽可能推荐使用原生协程。仅在需要与旧版本的 Python 兼容时才使用修饰的协程。Tornado 文档中的示例通常会使用原生形式。
两种形式之间的转换通常很简单：
# Decorated: # Native:
# Normal function declaration
# with decorator # "async def" keywords
@gen.coroutine
def a(): async def a():
# "yield" all async funcs # "await" all async funcs
b = yield c() b = await c()
# "return" and "yield"
# cannot be mixed in
# Python 2, so raise a
# special exception. # Return normally
raise gen.Return(b) return b
下面概述了两种形式的协程之间的其他差异：
原生协程：
async for和async with语句使某些模式更简单。 yield和await他们，否则根本不要运行。装饰协程一旦被调用就可以开始“在后台”运行。请注意，对于这两种协程，使用await或yield是很重要的，这样任何异常都有可能发生。装饰协程：
executor.submit直接产生结果。对于本机协程，请IOLoop.run_in_executor改用本节解释装饰协程的操作。原生协程在概念上相似，但由于与 Python 运行时的额外集成而稍微复杂一些
包含的函数yield是生成器。所有生成器都是异步的；当被调用时，它们返回一个生成器对象，而不是运行到完成。装饰器@gen.coroutine通过yield表达式与生成器通信，并通过返回一个Future
这是协程装饰器内部循环的简化版本：
# Simplified inner loop of tornado.gen.Runner
def run(self):
# send(x) makes the current yield return x.
# It returns when the next yield is reached
future = self.gen.send(self.next)
def callback(f):
self.next = f.result()
self.run()
future.add_done_callback(callback)
装饰器Future从生成器接收 a，等待（不阻塞）Future完成，然后“解包”并将结果作为表达式Future 的结果发送回生成器 。yield大多数异步代码从不直接接触类，除非立即将Future异步函数返回的值传递给yield表达式。
协程不会以正常方式引发异常：它们引发的任何异常都将被困在等待对象中，直到它被产生。这意味着以正确的方式调用协程很重要，否则您可能会遇到未被注意到的错误：
async def divide(x, y):
return x / y
def bad_call():
# This should raise a ZeroDivisionError, but it won't because
# the coroutine is called incorrectly.
divide(1, 0)
在几乎所有情况下，任何调用协程的函数都必须是协程本身，并且在调用中使用await或者yield关键字。当您覆盖类中定义的方法时，请查阅文档以查看是否允许使用协程（文档应说明该方法“可能是协程”或“可能返回一个Future”）：
async def good_call():
# await will unwrap the object returned by divide() and raise
# the exception.
await divide(1, 0)
有时你可能想“触发并忘记”一个协程而不等待它的结果。在这种情况下，建议使用IOLoop.spawn_callback，这使得IOLoop负责呼叫。如果失败，IOLoop将记录堆栈跟踪：
# 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)
对于使用IOLoop.spawn_callback的函数，建议以这种方式使用@gen.coroutine，但对于使用async def的函数，则需要以这种方式使用（否则，协程运行程序将无法启动）。
最后，在程序的顶层，如果 IOLoop 尚未运行，您可以启动IOLoop，运行协程，然后IOLoop使用IOLoop.run_sync方法停止。这通常用于启动main面向批处理的程序的功能：
# run_sync() doesn't take arguments, so we must wrap the
# call in a lambda.
IOLoop.current().run_sync(lambda: divide(1, 0))
从协程调用阻塞函数的最简单方法是使用IOLoop.run_in_executor，它的返回值 Futures与协程兼容：
async def call_blocking():
await IOLoop.current().run_in_executor(None, blocking_func, args)
该multi函数接受值为列表和字典，并等待所有这些Futures:
from tornado.gen import multi
async def parallel_fetch(url1, url2):
resp1, resp2 = await multi([http_client.fetch(url1),
http_client.fetch(url2)])
async def parallel_fetch_many(urls):
responses = await multi ([http_client.fetch(url) for url in urls])
# responses is a list of HTTPResponses in the same order
async def parallel_fetch_dict(urls):
responses = await multi({url: http_client.fetch(url)
for url in urls})
# responses is a dict {url: HTTPResponse}
在装饰协程中，可以yield直接生成使用list 或dict：
@gen.coroutine
def parallel_fetch_decorated(url1, url2):
resp1, resp2 = yield [http_client.fetch(url1),
http_client.fetch(url2)]
有时，保存一个Future而不是立即放弃它是有用的，这样你就可以在等待之前开始另一个操作。
from tornado.gen import convert_yielded
async def get(self):
# convert_yielded() starts the native coroutine in the background.
# This is equivalent to asyncio.ensure_future() (both work in Tornado).
fetch_future = convert_yielded(self.fetch_next_chunk())
while True:
chunk = yield fetch_future
if chunk is None: break
self.write(chunk)
fetch_future = convert_yielded(self.fetch_next_chunk())
yield self.flush()
这对装饰协程来说更容易一些，因为它们在调用时立即启动：
@gen.coroutine
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()
在本地协同程序中，可以使用async for。在较旧版本的Python中，使用协同路由进行循环是很棘手的，因为在for或while循环的每次迭代中都无法找到yield并捕获结果。相反，您需要将循环条件与访问结果分开，如本例中的Motor：
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()
PeriodicCallback通常不与coroutines一起使用。相反，协同程序可以包含while True:循环并使用tornado.gen.sleep:
async def minute_loop():
while True:
await do_something()
await gen.sleep(60)
# Coroutines that loop forever are generally started with
# spawn_callback().
IOLoop.current().spawn_callback(minute_loop)
有时可能需要一个更复杂的循环。例如，前一个循环每60+N秒运行一次，其中N是do_something（）的运行时间。要准确地每60秒运行一次，请使用上面的交错模式：
async def minute_loop2():
while True:
nxt = gen.sleep(60) # Start the clock.
await do_something() # Run while the clock is ticking.
await nxt # Wait for the timer to run out.