python3异步编程_协程 & Python异步编程(asyncio)

协程(Coroutine)

也可以被称为微线程，是一种用户态内的上下文切换技术。简而言之，其实就是通过一个线程实现代码块相互切换执行。

直接上代码，例如：

同步编程

import time

def func1():

print(1)

time.sleep(2) # 代表耗时操作

print(2)

def func2():

print(3)

time.sleep(2) # 代表耗时操作

print(4)

def main():

st = time.time()

func1()

func2()

print("总耗时：", time.time() - st)

if __name__ == '__main__':

main()

"""

输出如下：

1

2

3

4

总耗时： 4.008249998092651

"""

上述代码是普通的函数定义和执行，按流程分别执行两个函数中的代码，并先后会输出：1、2、3、4。并且打印1之后，堵塞2s，打印3之后，堵塞2s，总的耗时大概4s

但如果介入协程技术，就可以实现函数见代码切换执行，最终输入：1、3、2、4 。总耗时大概2s

import time

import asyncio

async def func1():

print(1)

await asyncio.sleep(2) # 代表耗时操作

print(2)

async def func2():

print(3)

await asyncio.sleep(2) # 代表耗时操作

print(4)

def main():

st = time.time()

tasks = [

asyncio.ensure_future(func1()),

asyncio.ensure_future(func2())

]

loop = asyncio.get_event_loop()

# wait函数内部用set()做了去重的处理，所以执行就不能保证先后顺序

loop.run_until_complete(asyncio.wait(tasks))

# 可以使用gather保证遇到耗时操作前的函数执行先后顺序

# loop.run_until_complete(asyncio.gather(*tasks))

print("总耗时：", time.time() - st)

if __name__ == '__main__':

main()

"""

输出如下：

1

3

2

4

总耗时： 2.005261182785034

"""

通过上面的例子，应该能看出异步编程的好处了吧，能让CPU充分利用IO的耗时等待时间。

协程的意义

计算型的操作，利用协程来回切换执行，没有任何意义，来回切换并保存状态，反倒会降低性能。IO型的操作，利用协程在IO等待时间就去切换执行其他任务，当IO操作结束后再自动回调，那么就会大大节省资源并提供性能，从而实现异步编程(不等待任务结束就可以去执行其他代码)。

耗时的操作一般是一些IO操作，例如网络请求，文件读取等。

一、协程的实现

在Python中有多种方式可以实现协程，例如：

greenlet，是一个第三方模块，用于实现协程代码(Gevent协程就是基于greenlet实现)

yield，生成器，借助生成器的特点也可以实现协程代码。

asyncio，在Python3.4中引入的模块用于编写协程代码。

async & awiat，在Python3.5中引入的两个关键字，结合asyncio模块可以更方便的编写协程代码。

1.1 greenlet

greenlet是python里一个半自动的协程切换的库，但是封装难度大，日常编码一般不用

from greenlet import greenlet

def func1():

print(1) # 第2步：输出 1

gr2.switch() # 第3步：切换到 func2 函数

print(2) # 第6步：输出 2

gr2.switch() # 第7步：切换到 func2 函数，从上一次执行的位置继续向后执行

def func2():

print(3) # 第4步：输出 3

gr1.switch() # 第5步：切换到 func1 函数，从上一次执行的位置继续向后执行

print(4) # 第8步：输出 4

gr1 = greenlet(func1)

gr2 = greenlet(func2)

gr1.switch() # 第1步：去执行 func1 函数

"""

打印如下：

1 3 2 4

"""

switch中也可以传递参数用于在切换执行时相互传递值。

1.2 yield

基于Python的生成器的yield和yield form关键字实现协程代码。(tips：yield form关键字是在Python3.3中引入的。)

def func1():

yield 1

yield from func2()

yield 2

def func2():

yield 3

yield 4

f1 = func1()

for item in f1:

print(item)

"""

打印如下：

1 3 4 2

"""

1.3 asyncio

在Python3.4之前官方未提供协程的类库，一般大家都是使用greenlet等其他来实现。在Python3.4发布后官方正式支持协程，即：asyncio模块。

import asyncio

@asyncio.coroutine

def func1():

print(1)

yield from asyncio.sleep(2) # 遇到IO耗时操作，自动化切换到tasks中的其他任务

print(2)

@asyncio.coroutine

def func2():

print(3)

yield from asyncio.sleep(2) # 遇到IO耗时操作，自动化切换到tasks中的其他任务

print(4)

tasks = [

asyncio.ensure_future( func1() ),

asyncio.ensure_future( func2() )

]

loop = asyncio.get_event_loop()

loop.run_until_complete(asyncio.wait(tasks))

1.4 async & awit

async & awit 关键字在Python3.5版本中正式引入，基于他编写的协程代码其实就是 上一示例 的加强版，让代码可以更加简便，代码例子可以参考上面的

1.5 协程总结

协程可以通过一个线程在多个上下文中进行来回切换执行，让CPU能利用IO等待的时间

协程一般应用在有IO操作的程序中

Python3.8之后 @asyncio.coroutine 装饰器就会被移除，推荐使用 async & awit 关键字实现协程代码。

为了更好的理解，用生活中的例子来打个比方。如果把CPU看做一个领导，执行IO耗时操作的设备看做是员工的话，那么同步编程就是 领导 向 A员工 发布命令，需要等待 A员工 处理完成，才能再向 B员工 发布命令。

而使用了协程的异步编程，领导(CPU)向 A员工 发布命令，在等待 A员工做完的时间内，领导就可以继续向 B员工，C员工…发布命令，然后等到 A员工 做完，领导再过来验收即可，这样所有的员工的处理过程就可以几乎同时进行，因为领导发布命令(CPU发布指令)是很快的。

二、异步编程

基于async & await关键字的协程可以实现异步编程，这也是目前python异步相关的主流技术。

2.1 事件循环

事件循环，可以把他当做是一个while循环，这个while循环在周期性的运行并执行一些任务，在特定条件下终止循环。

# 伪代码

任务列表 = [ 任务1, 任务2, 任务3,... ]

while True:

可执行的任务列表，已完成的任务列表 = 去任务列表中检查所有的任务，将'可执行'和'已完成'的任务返回

for 就绪任务 in 已准备就绪的任务列表:

执行已就绪的任务

for 已完成的任务 in 已完成的任务列表:

在任务列表中移除 已完成的任务

如果 任务列表 中的任务都已完成，则终止循环

# 在编写程序时候可以通过如下代码来获取和创建事件循环。

import asyncio

loop = asyncio.get_event_loop()

2.2 协程和异步编程

协程对象，调用 协程函数 所返回的对象。

2.2.1 基本应用

程序中，如果想要执行协程函数的内部代码，需要 事件循环 和 协程对象 配合才能实现，如：

import asyncio

#加了async 就是协程函数

async def func():

print("协程内部代码")

# 调用协程函数，返回一个协程对象。

result = func() # 协程对象不会执行，需要用事件循环来开启它

# 方式一

# loop = asyncio.get_event_loop() # 创建一个事件循环

# loop.run_until_complete(result) # 将协程当做任务提交到事件循环的任务列表中，协程执行完成之后终止。

# 方式二

# 本质上方式一是一样的，内部先 创建事件循环 然后执行 run_until_complete，一个简便的写法。

# asyncio.run 函数在 Python 3.7 中加入 asyncio 模块，

asyncio.run(result)

这个过程可以简单理解为：将 协程 当做任务添加到 事件循环 的任务列表，然后事件循环检测列表中的 协程 是否 已准备就绪(默认可理解为就绪状态)，如果准备就绪则执行其内部代码。

2.2.2 await

await是一个只能在协程函数中使用的关键字，用于遇到IO操作时挂起 当前协程(任务)，当前协程(任务)挂起过程中 事件循环可以去执行其他的协程(任务)，当前协程IO处理完成时，可以再次切换回来执行await之后的代码。代码如下：

import asyncio

async def others():

print("start")

await asyncio.sleep(2)

print('end')

return '返回值'

async def func():

print("执行协程函数内部代码")

# 遇到IO操作挂起当前协程(任务)，等IO操作完成之后再继续往下执行。当前协程挂起时，事件循环可以去执行其他协程(任务)。

response1 = await others()

print("IO请求结束，结果为：", response1)

response2 = await others()

print("IO请求结束，结果为：", response2)

asyncio.run(func())

""" 打印如下：

执行协程函数内部代码

start

end

IO请求结束，结果为： 返回值

start

end

IO请求结束，结果为： 返回值

"""

上述的所有示例都只是创建了一个任务，即：事件循环的任务列表中只有一个任务，所以在IO等待时无法演示切换到其他任务效果。

在程序想要创建多个任务对象，需要使用Task对象来实现。

2.2.3 Task对象

—-Tasks are used to schedule coroutines concurrently.

When a coroutine is wrapped into a Task with functions like asyncio.create_task() the coroutine is automatically scheduled to run soon。

Tasks用于并发调度协程，通过 asyncio.create_task(协程对象) 的方式创建 Task 对象，这样可以让协程加入事件循环中等待被调度执行。除了使用 asyncio.create_task() 函数以外，还可以用低层级的 loop.create_task() 或 ensure_future() 函数。不建议手动实例化 Task 对象。

注意：asyncio.create_task() 函数在 Python 3.7 中被加入。在 Python 3.7 之前，可以改用低层级的 asyncio.ensure_future() 函数。

import asyncio

async def func():

print(1)

await asyncio.sleep(2)

print(2)

return "返回值"

async def main():

print("main开始")

# 创建协程，将协程封装到Task对象中并添加到事件循环的任务列表中，等待事件循环去执行(默认是就绪状态)。

# 在调用

task_list = [

asyncio.create_task(func(), name="n1"),

asyncio.create_task(func(), name="n2")

]

print("main结束")

# 当执行某协程遇到IO操作时，会自动化切换执行其他任务。

# 此处的await是等待所有协程执行完毕，并将所有协程的返回值保存到done

# 如果设置了timeout值，则意味着此处最多等待的秒，完成的协程返回值写入到done中，未完成则写到pending中。

done, pending = await asyncio.wait(task_list, timeout=None)

print(done, pending)

#run()是py3.7的写法，会先创建loop，再开启协程函数

asyncio.run(main())

2.2.4 asyncio.Future对象

—- A Futureis a special low-level awaitable object that represents an eventual result of an asynchronous operation.

asyncio中的Future对象是一个相对更偏向底层的可对象，通常我们不会直接用到这个对象，而是直接使用Task对象来完成任务的并和状态的追踪。( Task 是 Futrue的子类 )

Future为我们提供了异步编程中的 最终结果 的处理(Task类也具备状态处理的功能)。

示例1

async def main():

# 获取当前事件循环

loop = asyncio.get_running_loop()

# # 创建一个任务(Future对象)，这个任务什么都不干。

fut = loop.create_future()

# 等待任务最终结果(Future对象)，没有结果则会一直等下去。

await fut

asyncio.run(main())

示例2

import asyncio

async def set_after(fut):

await asyncio.sleep(2)

fut.set_result("666")

async def main():

# 获取当前事件循环

loop = asyncio.get_running_loop()

# 创建一个任务(Future对象)，没绑定任何行为，则这个任务永远不知道什么时候结束。

fut = loop.create_future()

# 创建一个任务(Task对象)，绑定了set_after函数，函数内部在2s之后，会给fut赋值。

# 即手动设置future任务的最终结果，那么fut就可以结束了。

await loop.create_task(set_after(fut))

# 等待 Future对象获取 最终结果，否则一直等下去

data = await fut

print(data)

asyncio.run(main())

Future对象本身函数进行绑定，所以想要让事件循环获取Future的结果，则需要手动设置。而Task对象继承了Future对象，其实就对Future进行扩展，他可以实现在对应绑定的函数执行完成之后，自动执行set_result，从而实现自动结束。

注：支持 await 对象语 法的对象课成为可等待对象，所以 协程对象、Task对象、Future对象 都可以被成为可等待对象。

2.2.5 concurrent.futures.Future

在Python的concurrent.futures模块中也有一个Future对象，这个对象是基于线程池和进程池实现异步操作时使用的对象。

import time

from concurrent.futures import Future

from concurrent.futures.thread import ThreadPoolExecutor

from concurrent.futures.process import ProcessPoolExecutor

def func(value):

time.sleep(1)

print(value)

pool = ThreadPoolExecutor(max_workers=5)

# 或 pool = ProcessPoolExecutor(max_workers=5)

for i in range(10):

fut = pool.submit(func, i) # 这里返回的是一个Future对象

print(fut)

这个 Future对象 和 asyncio.Future 是不同的，他们是为不同的应用场景而设计，例如：concurrent.futures.Future不支持await语法，不接收 timeout参数等。

其实，一般在程序开发中我们要么统一使用 asycio 的协程实现异步操作、要么都使用进程池和线程池实现异步操作。但如果 协程的异步和 进程池/线程池的异步 混搭时，那么需要使用 asynic.wrap_future 了。

2.2.5 异步上下文管理器

import asyncio

class AsyncContextManager:

def __init__(self):

self.conn = conn

async def do_something(self):

# 异步操作数据库

return 666

async def __aenter__(self):

# 异步链接数据库

self.conn = await asyncio.sleep(1)

return self

async def __aexit__(self, exc_type, exc, tb):

# 异步关闭数据库链接

await asyncio.sleep(1)

async def func():

async with AsyncContextManager() as f:

result = await f.do_something()

print(result)

asyncio.run(func())

这个异步的上下文管理器还是比较有用的，平时在开发过程中 打开、处理、关闭 操作时，就可以用这种方式来处理。

uvloop

Python标准库中提供了asyncio模块，用于支持基于协程的异步编程。

uvloop是 asyncio 中的事件循环的替代方案，替换后可以使得asyncio性能提高。事实上，uvloop要比nodejs、gevent等其他python异步框架至少要快2倍，性能可以比肩Go语言。

# 安装

pip3 install uvloop

在项目中想要使用uvloop替换asyncio的ioloop也非常简单，只要在代码中这么做就行。

import asyncio

import uvloop

asyncio.set_event_loop_policy(uvloop.EventLoopPolicy())

# 编写asyncio的代码，与之前写的代码一致。

# 内部的事件循环自动化会变为uvloop

asyncio.run(...)

tonado用的事件循环是asyncio的ioloop，而像sanic、FastAPI更高性能的异步框架都采用了uvloop