Asyncio是Python库，它允许我们使用async/await语法编写并发代码。学习如何使用此库编写异步代码。

大多数Python开发人员可能只接触过同步代码。但是，如果你是一名数据科学家，你可能使用multiprocessing库来并行运行一些计算。如果你是一名Web开发人员，你可能接触过线程中的并发。multiprocessing和threading都是Python中的高级概念，各自有特定的应用领域。

Asyncio 是 Python 库，用于编写使用 async 和 await 语法的并发代码。它主要用于 I/O 密集型任务，例如网页开发或从 API 中获取数据。

 除了多进程和多线程之外，Python的并发性家族中还有另一个新成员：asyncio。Asyncio是一个用于使用async/await语法编写并发代码的库。与线程类似，asyncio适用于在实践中非常常见的I/ o密集型任务。我将介绍asyncio的基础知识，并演示如何使用这个新库编写异步代码。

cpu密集型任务和I/ o密集型任务有什么区别？

在开始使用asyncio库之前，了解cpu密集型和I/ o密集型任务是很重要的，因为它们决定了应该使用哪个库来解决您的特定问题。

cpu密集型任务的大部分时间都用cpu进行繁重的计算。如果你是一名数据科学家，需要处理大量数据来训练机器学习模型，那么这是一项cpu密集型任务。在这种情况下，您应该使用多进程来并行运行作业，并充分利用cpu。

I/O密集型任务将大部分时间用于等待I/O响应，这些响应可以是来自网页、数据库或磁盘的响应。如果你正在开发一个网页，其中一个请求需要从api或数据库中获取数据，这是一个I/ o约束任务。对于I/O密集型任务，可以使用线程或asyncio实现并发，以最大限度地减少来自外部资源的等待时间

Asyncio与线程

现在您知道了线程和异步都适用于I/ o密集型任务，那么它们的区别是什么呢？

首先，线程使用多个线程，而asyncio只使用一个。线程更容易理解，因为线程轮流运行代码，从而实现并发性。但是如何用单个线程实现并发呢？

线程通过抢占式多任务实现并发，这意味着我们无法确定何时在哪个线程中运行哪个代码。是操作系统决定哪些代码应该在哪个线程中运行。操作系统可以在线程之间的任何点切换控制权。这就是为什么我们经常看到线程的随机结果。

另一方面，asyncio通过协作多任务实现并发。我们决定可以等待代码的哪一部分，然后切换控制以运行代码的其他部分。这些都是通过await命令在一个线程中完成的。稍后看到代码时，这一点会更清楚。

Asyncio中的协程？

这是asyncio中一个奇特的名字。要解释它是什么并不容易。许多教程根本不解释这个概念，只是用一些代码向您展示它是什么。然而，让我们试着去理解它是什么。我们将从回顾Python的定义开始。

“协程是一种更通用的子程序形式。子程序在一个点进入，在另一个点退出。协程可以在许多不同的地方进入、退出和恢复。”Glossary — Python 3.10.15 documentation

虽然这看起来仍然相当令人困惑，但一旦您对asyncio有了更多的经验，它就会变得更有意义。

在这个定义中，我们可以将子程序理解为函数，尽管两者之间存在差异。通常，函数只在调用时进入和退出一次。不过，Python中有一个特殊的函数generator，可以多次进入和退出。

协程的行为类似于生成器。在较旧版本的Python中，协程是由生成器定义的。这些协程被称为基于生成器的协程。然而，协程现在已经成为Python的原生功能，并且可以使用新的async def语法来定义。尽管基于生成器的协程现在已被弃用，但它们的历史和存在可以帮助我们理解什么是协程，以及如何在代码的不同部分之间切换或生成控制。

即使你不能马上理解所有的概念，也没关系。随着时间的推移，当你使用asyncio库编写和阅读越来越多的异步代码时，它们将变得更加清晰。

如何在Asyncio中定义协程函数

现在已经介绍了基本概念，我们可以编写我们的第一个协程函数：

async def coro_func():
    print("hello")

coro_obj = coro_func()
print(type(coro_obj))

coro_func（）是一个协程函数，当它被调用时，它将返回一个协程对象，并输出 “coroutine”

你可能已经注意到了，当协程函数被调用时，print函数并没有被调用。如果你使用过生成器，你不会感到惊讶，因为它的行为与生成器函数类似：

def gen_func():
    yield "hello,generator"

generator = gen_func()
print(type(generator))
print(next(generator))

为了在生成器中运行代码，你需要迭代它。你可以使用next函数来迭代它

类似地，要运行在协程函数中定义的代码，你需要等待它。然而，你不能像迭代生成器那样等待它。一个协程只能在另一个由async def语法定义的协程中等待：

import asyncio


async def coro_func():
    print('hello world')


async def main():
    print('In the entrypoint coroutine')
    await coro_func()


a = main()
print(type(a))
asyncio.run(main())

 在底层，它是由事件循环处理的。然而，使用现代Python，你不需要担心这些细节。

如何在Asyncio的协程函数中返回值

import asyncio


async def coro_func():
    print("Hello, asyncio!")
    return "123"


async def main():
    print("In the entrypoint coroutine.")
    s = await coro_func()
    print(s)


asyncio.run(main())

如何在Asyncio中并发运行多个协程

import asyncio
from datetime import datetime


async def async_sleep(num):
    print(f"Sleeping {num} seconds.")
    await asyncio.sleep(num)


async def main():
    start = datetime.now()

    coro_objs = []
    for i in range(1, 4):
        coro_objs.append(async_sleep(i))

    await asyncio.gather(*coro_objs)

    duration = datetime.now() - start
    print(f"Took {duration.total_seconds():.2f} seconds.")


asyncio.run(main())

Asyncio中的Async和Aiohttp示例 python3.10

import asyncio
import aiohttp


async def scrape_page(session, url):
    print(f"Scraping {url}")
    async with session.get(url) as resp:
        return len(await resp.text())


async def main():
    urls = [
        "http://www.baidu.com",
        "http://www.baidu.com",
        "http://www.baidu.com"
    ]

    tasks = []

    async with aiohttp.ClientSession() as session:
        for url in urls:
            task = asyncio.create_task(scrape_page(session, url))
            tasks.append(task)

        results = await asyncio.gather(*tasks)

    for url, length in zip(urls, results):
        print(f"{url} -> {length}")


asyncio.run(main())