greenlet直接在内存层面，通过保存和替换Python进程的运行栈来实现不同协程的切换。
这个切换对于python解释器是透明的，如果python解释器对环境有感知的话，则每当协程切换的时候，它的感觉可能类似一个人前一秒还在在路上走路，下一秒突然自己又出现在了地铁上。
对于普通python用户而言，直接操作python的运行时栈，这就是在刀尖上跳舞有木有，这要求对内存的操作100%精确，任何错误都可能导致python进程崩溃！
那
作者又是如何又是如何来保证正确性呢？除了要熟悉python、操作系统、编译器等等的底层机制，明确设计方案，还需要对不同的系统以及硬件环境做对应的
适配工作。我们在使用python的时候，在不同的系统或者硬件下感觉都一样，那是因为python本身为我们屏蔽了底层细节，在做这种python底层
hack的事情的时候，显然就没那么轻松了。
举个例子，由于CPU有很多种，例如i386、x86_64、arm等等，每种CPU的设计不尽相同，于是作者为每种CPU写了对应的汇编操作指令来完成栈的保存和替换，这些操作都是与操作系统和硬件高度绑定的。
虽然greenlet的实现这么bt，但就是有人做到了，加上gevent的封装，用起来比python自带协程好用太多。
我想任何对python比较熟悉的童鞋，在初次接触gevent的时候，都会好奇它是如何做到的，在进一步了解其底层greenlet实现机理之后，无不惊叹其鬼斧神工。
这种事情就是那种，别人不说，你可能永远不会想到的事情。
转载
当然，Python的黑魔法是所有的内省和动态绑定。
例如，Python可以重新绑定解释器的异常，以便在程序异常结束时可以进行一些自定义处理。
一旦你重置了异常钩子，一旦你的代码抛出一个异常，整个解释器的环境将被ipdb接管，然后被用作交互模式。通常，我将检查堆栈并pickle必要的对象，因此稍后再犯错误更容易。
由于IPython是一个非gui程序，所以即使在SSH中也可以使用它，这是SSH缺少IDE的完美解决方案。
动态绑定的另一个用途是，当程序依赖于修改后的库时，可以将修改后的部分剥离，并在运行时动态绑定到相应的库。
在内省中，Python可以通过dir()和help()函数获取列表并帮助对象的成员，当您找不到库文档时，这些函数非常有用。只要开发人员在函数下面写注释，您就可以在帮助中看到它。
除了上面提到的特性之外，python还有一些小技巧，还有一些其他的答案。尽管它们中的许多都是语法上的糖，但它们可以使程序更有python:使用槽使成员静态，您可以节省大量的内存。装饰器，常用的功能，例如函数计时，也可以用来生成新的函数签名。函数签名可以影响传递检查和ide完成，这对于具有不确定的长参数的函数非常有用。许多库使用这种方法来处理不同版本的API。生成器，它可以为仅仅遍历数据保存大量的内存。参数也展开了。
典型的例子是zip(listx)和链(listx)，它们分别对应于转置和连接。如果name==“main”:检查主程序是否被调用，主程序必须与多处理并行使用这个框。例如，枚举将列表转换为list2index可以用于((x，I)for I，枚举列表中的x(listx))namedtuple，生成类似于C语言的结构，并支持所有元组的语法。不初始化该词的defaultdictionary可以使用lambda来实现嵌套结构默认的结构的嵌套结构(lambda:defaultdictionary(int))，或者甚至是递归字典树=lambda:defaultdictionary(树)
