1. 无需线程上下文切换的开销（还是单线程）
2. 无需原子操作（一个线程改一个变量，改一个变量的过程就可以称为原子操作）的锁定和同步的开销
3. 方便切换控制流，简化编程模型
4. 高并发+高扩展+低成本：一个cpu支持上万的协程都没有问题，适合用于高并发处理

1. 无法利用多核的资源，协程本身是个单线程，它不能同时将单个cpu的多核用上，协程需要和进程配合才能运用到多cpu上（协程是跑在线程上的）
2. 进行阻塞操作时会阻塞掉整个程序：如io

从语法上来看，协程和生成器类似，都是定义体中包含yield关键字的函数。

yield通常出现在表达式的右边，例如：x = yield，如果yield关键字后面没有表达式，那么生成器产出None。
在协程中yield也可能从调用方接受数据，调用方是通过x.send()的方式把数据提供给协程使用，而不是next()函数，通常调用方会把值推送给协程。
协程可以把控制器让给中心调度程序，从而激活其他的协程。
所以总体上在协程中把yield看做是控制流程的方式。

def averager():
    total = 0.0
    count = 0
    average = None
    while True:
        term = yield average
        total += term
        count += 1
        average = total/count
        print(f'nAverage count: {average} / {count}')

avg = averager()
next(avg)
print(avg.send(10))
print(avg.send(30))
print(avg.send(40))

Result:

Average count: 10.0 / 1
10.0

Average count: 20.0 / 2
20.0

Average count: 26.666666666666668 / 3
26.666666666666668

yield的右边没有表达式，所以这里默认产出的值是None
刚开始先调用了next()是因为这个时候生成器还没有启动，没有停在yield那里，此时无法通过send()发送数据。所以当我们通过next()激活协程后，程序就会运行到average = yield

注意，average = yield先计算等号右边的内容，再进行赋值，所以当激活生成器后，程序会停在yield这里，但并没有给average赋值。

当我们调用send()方法后yield会收到这个值并赋值给average,而当程序运行到协程定义体的末尾时和用生成器的时候一样会抛出StopIteration异常