如果说Go lang是静态语言中的皇冠，那么，Goroutine就是并发编程方式中的钻石。Goroutine是Go语言设计体系中最核心的精华，它非常轻量，一个 Goroutine 只占几 KB，并且这几 KB 就足够 Goroutine 运行完，这就能在有限的内存空间内支持大量 Goroutine协程任务，方寸之间，运筹帷幄，用极少的成本获取最高的效率，支持了更多的并发，毫无疑问，Goroutine是比Python的协程原理事件循环更高级的并发异步编程方式。

GMP调度模型(Goroutine-Machine-Processor)

为什么Goroutine比Python的事件循环高级？是因为Go lang的调度模型GMP可以参与系统内核线程中的调度，这里G为Goroutine，是被调度的最小单元；M是系统起了多少个线程；P为Processor，也就是CPU处理器，调度器的核心处理器，通常表示执行上下文，用于匹配 M 和 G 。P 的数量不能超过 GOMAXPROCS 配置数量，这个参数的默认值为当前电脑的总核心数，通常一个 P 可以与多个 M 对应，但同一时刻，这个 P 只能和其中一个 M 发生绑定关系；M 被创建之后需要自行在 P 的 free list 中找到 P 进行绑定，没有绑定 P 的 M，会进入阻塞状态，每一个P最多关联256个G。

说白了，就是GMP和Python一样，也是维护一个任务队列，只不过这个任务队列是通过Goroutine来调度，怎么调度？通过Goroutine和系统线程M的协商，寻找非阻塞的通道，进入P的本地小队列，然后交给系统内的CPU执行，藉此，充分利用了CPU的多核资源。

而Python的协程方式仅仅停留在用户态，它没法参与到线程内核的调度，弥补方式是单线程多协程任务下开多进程，Go lang则是全权交给Goroutine，用户不需要参与底层操作，同时又可以利用CPU的多核资源。

启动Goroutine

首先默认情况下，golang程序还是由上自下的串行方式：

package main  
  
import (  
	"fmt"  
)  
  
func job() {  
	fmt.Println("任务执行")  
}  
func main() {  
	job()  
	fmt.Println("任务执行完了")  
}

程序返回：

任务执行  
任务执行完了

这里job中的打印函数是先于main中的打印函数。

现在，在执行job函数前面加上关键字go，也就是启动一个goroutine去执行job这个函数：

package main  
  
import (  
	"fmt"  
	"time"  
)  
  
func job() {  
	fmt.Println("任务执行")  
}  
func main() {  
	go job()  
	fmt.Println("任务执行完了")  
	time.Sleep(time.Second)  
}

注意，开启Goroutine是在函数执行的时候开启，并非声明的时候，程序返回：

任务执行完了  
任务执行

可以看到，执行顺序颠倒了过来，首先为什么会先打印任务执行完了，是因为系统在创建新的Goroutine的时候需要耗费一些资源，因为就算只有几kb，也需要时间来创建，而此时main函数所在的goroutine是继续执行的。

第二，为什么要人为的把main函数延迟一秒钟？

因为当main()函数返回的时候main所在的Goroutine就结束了，所有在main()函数中启动的goroutine会一同结束，所以这里必须人为的“阻塞”一下main函数，让它后于job结束，有点像公园如果要关门必须等最后一个游客走了才能关，否则就把游客关在公园里了，出不去了。

与此同时，此逻辑和Python中的线程阻塞逻辑非常一致，用过Python多线程的朋友肯定知道要想让所有子线程都执行完毕，必须阻塞主线程，不能让主线程提前执行完，这和Goroutine有异曲同工之妙。

在Go lang中实现并发编程就是如此轻松，我们还可以启动多个Goroutine：

package main  
  
import (  
	"fmt"  
	"sync"  
)  
  
var wg sync.WaitGroup  
  
func job(i int) {  
	defer wg.Done() // 协程结束就通知  
	fmt.Println("协程任务执行", i)  
}  
func main() {  
  
	for i := 0; i < 10; i++ {  
		wg.Add(1) // 启动协程任务后入队  
		go job(i)  
	}  
	wg.Wait() // 等待所有登记的goroutine都结束  
  
	fmt.Println("所有任务执行完毕")  
}  

程序返回：

协程任务执行 8  
协程任务执行 9  
协程任务执行 5  
协程任务执行 0  
协程任务执行 1  
协程任务执行 4  
协程任务执行 7  
协程任务执行 2  
协程任务执行 3  
协程任务执行 6  
所有任务执行完毕

这里我们摒弃了相对土鳖的time.Sleep(time.Second)方式，而是采用sync包的WaitGroup方式，原理是当启动协程任务后，在WaitGroup登记，当每个协程任务执行完成后，通知WaitGroup，直到所有的协程任务都执行完毕，然后再执行main函数所在的协程，所以“所有任务执行完毕”会在所有协程任务执行完毕后再打印。

和Python协程区别

我们再来看看，如果是Python，会怎么做？

import asyncio  
import random  
  
async def job(i):  
  
    print("协程任务执行{}".format(i))  
    await asyncio.sleep(random.randint(1,5))  
    print("协程任务结束{}".format(i))  
  
  
  
async def main():  
  
    tasks = [asyncio.create_task(job(i)) for i in range(10)]  
      
    res = await asyncio.gather(*tasks)  
  
  
if __name__ == '__main__':  
    asyncio.run(main())

程序返回：

协程任务执行0  
协程任务执行1  
协程任务执行2  
协程任务执行3  
协程任务执行4  
协程任务执行5  
协程任务执行6  
协程任务执行7  
协程任务执行8  
协程任务执行9  
协程任务结束0  
协程任务结束1  
协程任务结束3  
协程任务结束6  
协程任务结束9  
协程任务结束8  
协程任务结束2  
协程任务结束4  
协程任务结束5  
协程任务结束7

可以看到，Python协程工作的前提是，必须在同一个事件循环中，同时逻辑内必须由用户来手动切换，才能达到“并发”的工作方式，假设，如果我们不手动切换呢？

import asyncio  
import random  
  
async def job(i):  
  
    print("协程任务执行{}".format(i))  
    print("协程任务结束{}".format(i))  
  
  
  
async def main():  
  
    tasks = [asyncio.create_task(job(i)) for i in range(10)]  
      
    res = await asyncio.gather(*tasks)  
  
  
if __name__ == '__main__':  
    asyncio.run(main())

程序返回：

协程任务执行0  
协程任务结束0  
协程任务执行1  
协程任务结束1  
协程任务执行2  
协程任务结束2  
协程任务执行3  
协程任务结束3  
协程任务执行4  
协程任务结束4  
协程任务执行5  
协程任务结束5  
协程任务执行6  
协程任务结束6  
协程任务执行7  
协程任务结束7  
协程任务执行8  
协程任务结束8  
协程任务执行9  
协程任务结束9

一望而知，只要你不手动切任务，它就立刻回到了“串行”的工作方式，同步的执行任务，那么协程的意义在哪儿呢？

所以，归根结底，Goroutine除了可以极大的利用系统多核资源，它还能帮助开发者来切换协程任务，简化开发者的工作，说白了就是，不懂协程工作原理，也能照猫画虎写go lang代码，但如果不懂协程工作原理的前提下，写Python协程并发逻辑呢？恐怕够呛吧。

结语

综上，Goroutine的工作方式，就是多个协程在多个线程上切换，既可以用到多核，又可以减少切换开销。但有光就有影，有利就有弊，Goroutine确实不需要开发者过度参与，但这样开发者就少了很多自由度，一些定制化场景下，就只能采用单一的Goroutine手段，比如一些纯IO密集型任务场景，像爬虫，你有多少cpu的意义并不大，因为cpu老是等着你的io操作，所以Python这种协程工作方式在纯IO密集型任务场景下并不逊色于Goroutine。