深入理解C++ 协程与网络编程
协程
协程，即协作式程序，其思想是，一系列互相依赖的协程间依次使用CPU，每次只有一个协程工作，而其他协程处于休眠状态。协程可以在运行期间的某个点上暂停执行，并在恢复运行时从暂停的点上继续执行。 协程已经被证明是一种非常有用的程序组件，不仅被python、lua、ruby等脚本语言广泛采用，而且被新一代面向多核的编程语言如golang rust-lang等采用作为并发的基本单位。 协程可以被认为是一种用户空间线程，与传统的抢占式线程相比，有2个主要的优点：
与线程不同，协程是自己主动让出CPU，并交付他期望的下一个协程运行，而不是在任何时候都有可能被系统调度打断。因此协程的使用更加清晰易懂，并且多数情况下不需要锁机制。
与线程相比，协程的切换由程序控制，发生在用户空间而非内核空间，因此切换的代价非常的小。
某种意义上，协程与线程的关系类似与线程与进程的关系，多个协程会在同一个线程的上下文之中运行。
网络编程模型
我们首先来简单回顾一下一些常用的网络编程模型。网络编程模型可以大体的分为同步模型和异步模型两类。
同步模型：
同步模型使用阻塞IO模式,在阻塞IO模式下调用read等IO函数时会阻塞线程直到IO完成或失败。 同步模型的典型代表是thread_per_connection模型，每当阻塞在主线程上的accept调用返回时则创建一个新的线程去服务于新的socket的读/写。这种模型的优点是程序逻辑简洁，符合人的思维；缺点是可伸缩性收到线程数的限制，当连接越来越多时，线程也越来越多，频繁的线程切换会严重拖累性能，同时不得不处理多线程同步的问题。
异步模型：
异步模型一般使用非阻塞IO模式，并配合epoll/select/poll等多路复用机制。在非阻塞模式下调用read，如果没有数据可读则立即返回，并通知用户没有可读（EAGAIN/EWOULDBLOCK），而非阻塞当前线程。异步模型可以使一个线程同时服务于多个IO对象。 异步模型的典型代表是reactor模型。在reactor模型中，我们将所有要处理的IO事件注册到一个中心的IO多路复用器中（一般为epoll/select/poll），同时主线程阻塞在多路复用器上。一旦有IO事件到来或者就绪，多路复用器返回并将对应的IO事件分发到对应的处理器（即回调函数）中，最后处理器调用read/write函数来进行IO操作。
异步模型的特点是性能和可伸缩性比同步模型要好很多，但是其结构复杂，不易于编写和维护。在异步模型中，IO之前的代码（IO任务的提交者）和IO之后的处理代码（回调函数）是割裂开来的。
【文章福利】由ntyco作者亲授的协程训练营课程，现在免费赠送给大家，
c/c++ linux服务器开发免费学习地址：c/c++ linux后台服务器高级架构师
包括C/C++，Linux，Nginx，ZeroMQ，MySQL，Redis，fastdfs，MongoDB，ZK，流媒体，CDN，P2P，K8S，Docker，TCP/IP，协程，DPDK等
协程与网络编程
协程的出现出现为克服同步模型和异步模型的缺点，并结合他们的优点提供了可能： 现在假设我们有3个协程A,B,C分别要进行数次IO操作。这3个协程运行在同一个调度器或者说线程的上下文中，并依次使用CPU。调度器在其内部维护了一个多路复用器（epoll/select/poll）。 协程A首先运行，当它执行到一个IO操作，但该IO操作并没有立即就绪时，A将该IO事件注册到调度器中，并主动放弃CPU。这时调度器将B切换到CPU上开始执行，同样，当它碰到一个IO操作的时候将IO事件注册到调度器中，并主动放弃CPU。调度器将C切换到cpu上开始执行。当所有协程都被“阻塞”后，调度器检查注册的IO事件是否发生或就绪。假设此时协程B注册的IO时间已经就绪，调度器将恢复B的执行，B将从上次放弃CPU的地方接着向下运行。A和C同理。 这样，对于每一个协程来说，它是同步的模型；但是对于整个应用程序来说，它是异步的模型。
好了，原理说完了，我们来看一个实际的例子，echo server。
echo server
在这个例子中，我们将使用orchid库来编写一个echo server。orchid库是一个构建于boost基础上的 协程/网络IO C++库。
echo server首先必须要处理连接事件，我们创建一个协程来专门处理连接事件：
typedef boost::shared_ptr socket_ptr;//处理ACCEPT事件的协程void handle_accept(orchid::coroutine_handle co) {try{ orchid::acceptor acceptor(co -> get_io_service());//构建一个acceptoracceptor.bind_and_listen("5678",true);for(;;) { socket_ptr sock(new orchid::socket(co -> get_scheduler().get_io_service())); acceptor.accept(*sock,co);//在调度器上创建一个协程来服务新的socket。//第一个参数是要创建的协程的main函数，//第二个参数是要创建的协程的栈的大小。co -> get_scheduler().spawn(boost::bind(handle_io,_1,sock),orchid::minimum_stack_size()); } } catch(orchid::io_error& e) { ORCHID_ERROR("id %lu msg:%s",co->id(),e.what()); }}
在orchid中，协程的main函数必须满足函数签名void(orchid::coroutine_handle)，如handle_accept所示，其中参数co是协程句柄，代表了当前函数所位于的协程。
在上面的代码中，我们创建了一个acceptor，并让它监听5678端口，然后在"阻塞"等待连接到来，当连接事件到来时，创建一个新的协程来服务新的socket。处理套接字IO的协程如下：
//处理SOCKET IO事件的协程void handle_io(orchid::coroutine_handle co,socket_ptr sock) {orchid::buffered_reader reader(*sock,co,16);//在socket上构建缓冲输入流orchid::buffered_writer writer(*sock,co,16);//在socket上构建缓冲输出流try{ std::string line; std::size_t n =0;for(;;) { n = reader.read_until(line,'\n'); ORCHID_DEBUG("id %lu recv: %s",co->id(),line.c_str()); writer.write(line.c_str(),line.size()); writer.flush(); } }catch(constorchid::io_error& e) {if(e.code() == boost::asio::error::eof) { ORCHID_DEBUG("id %lu msg:%s",co->id(),"socket closed by remote side!"); }else{ ORCHID_ERROR("id %lu msg:%s",co->id(),e.what()); }}
IO处理协程首先在传入的套接字上创建了一个输入流和一个输出流，分别代表了TCP的输入和输出。然后不断地从输入流中读取一行，并输出到输出流当中。当socket上的TCP连接断开时，会抛出orchid::io_error的异常，循环结束，值得注意的是eof事件也被当成异常来抛出。对于不喜欢使用异常的用户，orchid提供了另外一套使用boost::system::error_code的接口。同时，对于熟悉asio的用户，orchid提供了一套boost asio风格的接口。
如果用户需要无缓冲的读写socket或者自建缓冲，可以直接调用orchid::socket的read和write函数，或者使用无缓冲的reader和writer。
细心的读者可能已经发现，handle_io的函数签名并不满足void(orchid::coroutine_handle)，回到handle_accept中，可以发现，实际上我们使用了boost.bind对handle_io函数进行了适配，使之符合函数签名的要求。
最后是main函数：
intmain() {orchid::scheduler sche;sche.spawn(handle_accept,orchid::coroutine::minimum_stack_size());//创建协程sche.run();}
总结
在上面这个echo server的例子中，我们采用了一种 coroutine per connection 的编程模型，与传统的 thread per connection 模型一样的简洁清晰，但是整个程序实际上运行在同一线程当中，所以我们也不需要处理多线程同步的问题。 由于协程的切换开销远远小于线程，因此我们可以轻易的同时启动上千协程来同时服务上千连接，这是 thread per connection的模型很难做到的；在性能方面，整个底层的IO系统实际上是使用boost.asio这种高性能的异步io库实现的。与IO所费的时间相比，协程切换的开销基本可以忽略。 因此通过orchid，我们可以在保持同步IO模型简洁性的同时，获得异步IO模型的高性能和扩展性。
