python asyncio 异常处理_在Python中使用asyncio进行异步编程

对于来自JavaScript编码者来说，异步编程不是什么新东西，但对于Python开发者来说，async函数和future(类似JS的promise)可不是那么容易能理解的。

Concurrency vs Parallelism

Concurrency和Parallelism听起来一样，但在实际编程里它们有着较大的不同。

想象下你在做饭的时候写书，看起来好像你在同一时间做两件事情，实际你只是在两项事情中相互切换，当你在等水开的时候你就可以去写书，但你切菜时你要暂停写作。这就叫做concurrency。唯一一种使用parallel做这两项工作的办法就是得有两个人，一个人写作，一个人做饭，这就是多核CPU的工作方式了。

为什么asyncio

异步编程允许你在单个线程中并发执行代码。对比多线程处理方式，该方式由你来决定如何由一个任务切换到另一个任务，tasks之间共享数据也更加容易和简单。

def queue_push_back(x):

if len(list) < max_size:

list.append(x)

如果我们在多线程执行上面的额代码，有可能第二行代码在同一时间被执行，那么同一时间就有两个元素被加入到列表中，那实际列表长度就会操作max_size。

另一个异步编程的好处是内存使用。每次一个新的线程创建，也需要开辟一些新内存用来进行上下文切换。如果使用了异步编程，这在单线程中就不存在该问题。

如何在Python编程async代码

Asyncio包含三个主要组件：coroutine, event loop和future

Coroutine

coroutine是异步函数，通过在函数定义def前使用async关键字。

async def my_task(args):

pass

my_coroutine = my_task(args)

我们使用了async关键字定义了一个函数，该函数并没有执行，返回了一个coroutine对象。

有两种从一个coroutine中获取异步函数的结果

第一种使用await关键字，仅只能在async函数中用来等待coroutine结束返回结果

result = await my_task(args)

第二种是将它加入到event loop中，接下来我们做详尽讨论。