python协程使用场景_听说你对协程不太了解

​python 一直在进行并发编程的优化， 比较熟知的是使用 thread 模块多线程和 multiprocessing 多进程，后来慢慢引入基于 yield 关键字的协程。而近几个版本，python 对于协程的写法进行了大幅的优化，很多之前的协程写法不被官方推荐了。

协程发展历程

Python中的协程大概经历了如下三个阶段：最初的生成器变形yield/send

yield from

在Python3.5版本中引入async/await关键字

本文就直接从Python3.5版本开始讲起，如果大家有兴趣可以讲讲在没有出现async/await关键字之前，Python是如何完成协程的

同步和异步

同步是指代码调用IO操作时,必须等待IO操作完成才返回的调用方式,多个任务之间执行的时候要求有先后顺序，必须一个先执行完成之后，另一个才能继续执行， 只有一个主线

异步是指代码调用IO操作时,不必等IO操作完成就返回的调用方式,多个任务之间执行没有先后顺序，可以同时运行，执行的先后顺序不会有什么影响，存在的多条运行主线

并行和并发

我拿单核CPU来说，单核意味着同一时刻只做一件事情,那么电脑上同时运行的软件是如何做到的呢?

QQ到CPU中执行很短的时间，然后微信在到CPU中执行很短的时间，最终大家看起来就像是一起来运行，CPU的这种轮转策略就叫做时间片轮转

并行:cpu大于当前执行的任务

并发:cpu小于当前执行的任务

协程，线程和进程的对比

1. 假如有一条生产线，在这条生产线上多招些工人，一起来做剪子，这样效率是成倍増长，即单进程多线程方式

2. 老板发现这条生产线上的工人不是越多越好，因为一条生产线的资源以及材料毕竟有限，所以老板又花了些财力物力购置了另外一条生产线，然后再招些工人这样效率又再一步提高了，即多进程多线程方式

3.老板发现，现在已经有了很多条生产线，并且每条生产线上已经有很多工人了（即程序是多进程的，每个进程中又有多个线程），为了再次提高效率，老板想了个损招，规定：如果某个员工在上班时临时没事或者再等待某些条件（比如等待另一个工人生产完谋道工序 之后他才能再次工作） ，那么这个员工就利用这个时间去做其它的事情，那么也就是说：如果一个线程等待某些条件，可以充分利用这个时间去做其它事情，其实这就是：协程方式

协程的基础使用

这是 python 3.7 里面的基础协程用法，现在这种用法已经基本稳定，不太建议使用之前的语法了。

import asyncio

import time

async def visit_url(url, response_time):

"""访问 url"""

await asyncio.sleep(response_time)

return f"访问{url}, 已得到返回结果"

start_time = time.perf_counter()

task = visit_url('http://wangzhen.com', 2)

asyncio.run(task)

print(f"消耗时间：{time.perf_counter() - start_time}")在普通的函数前面加 async 关键字；

await 表示在这个地方等待子函数执行完成，再往下执行。（在并发操作中，把程序控制权教给主程序，让他分配其他协程执行。） await 只能在带有 async 关键字的函数中运行。

asynico.run() 运行程序

这个程序消耗时间 2s 左右。

增加协程

再添加一个任务

task2 = visit_url('http://another.com', 3)

asynicio.run(task2)

这 2 个程序一共消耗 5s 左右的时间。并没有发挥并发编程的优势

import asyncio

import time

async def visit_url(url, response_time):

"""访问 url"""

await asyncio.sleep(response_time)

return f"访问{url}, 已得到返回结果"

async def run_task():

"""收集子任务"""

task = visit_url('http://wangzhen.com', 2)

task_2 = visit_url('http://another', 3)

await asyncio.run(task)

await asyncio.run(task_2)

asyncio.run(run_task())

print(f"消耗时间：{time.perf_counter() - start_time}")

如果是并发编程，这个程序只需要消耗 3s,也就是task2的等待时间。要想使用并发编程形式，需要把上面的代码改一下。asyncio.gather 会创建 2 个子任务，当出现 await 的时候，程序会在这 2 个子任务之间进行调度。

async def run_task():

"""收集子任务"""

task = visit_url('http://wangzhen.com', 2)

task_2 = visit_url('http://another', 3)

await asynicio.gather(task1, task2)

create_task

创建子任务除了可以用 gather 方法之外，还可以使用 asyncio.create_task 进行创建。

async def run_task():

coro = visit_url('http://wangzhen.com', 2)

coro_2 = visit_url('http://another.com', 3)

task1 = asyncio.create_task(coro)

task2 = asyncio.create_task(coro_2)

await task1

await task2

协程的主要使用场景

协程的主要应用场景是 IO 密集型任务，总结几个常见的使用场景：网络请求，比如爬虫，大量使用 aiohttp

文件读取， aiofile

web 框架， aiohttp， fastapi

数据库查询， asyncpg, databases文章持续更新，可以微信搜一搜「极客夜读」第一时间阅读，有我准备的一线大厂面试资料和简历模板。

最后送给大家一句话，你知道的越多，你不知道的越多~