Python基础教程（九十八）异步IO之asyncio：解锁Python异步超能力：深度剖析asyncio与实战示例

1. 异步编程革命：事件循环驱动

事件循环(Event Loop) 是asyncio的引擎，在单线程内调度协程执行。当协程遇到IO阻塞时，立即切换至其他就绪任务，实现"并发假象"：

import asyncio

async def main():
    print("Start")
    await asyncio.sleep(1)  # 非阻塞挂起
    print("End")

asyncio.run(main())  # 事件循环入口

2. 协程与任务：异步执行单元

协程(Coroutine) 通过async def定义，配合await交出控制权。任务(Task) 则包装协程实现并发：

async def fetch_data(url):
    print(f"Fetching {url}")
    await asyncio.sleep(2)  # 模拟网络请求
    return f"Data from {url}"

async def main():
    # 创建并发任务
    task1 = asyncio.create_task(fetch_data("url1"))
    task2 = asyncio.create_task(fetch_data("url2"))
    
    # 等待所有任务完成
    results = await asyncio.gather(task1, task2)
    print(f"Received: {results}")

asyncio.run(main())

3. 异步IO混合操作实战

组合网络请求与文件写入，展示异步生态集成：

import aiohttp  # 需安装第三方库
import aiofiles

async def download_and_save(url):
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as response:
            data = await response.text()
    
    async with aiofiles.open("output.txt", "w") as f:
        await f.write(data[:100])  # 写入前100字符
    return f"Saved {url}"

async def main():
    urls = ["https://python.org", "https://example.com"]
    tasks = [download_and_save(url) for url in urls]
    await asyncio.gather(*tasks)

asyncio.run(main())

4. 性能对比与选型指南

场景类型	同步耗时	异步耗时	提升倍数
100次网络请求	20s+	~2s	10x
混合IO操作	15s+	~1.5s	10x
CPU密集型计算	无优势	可能更慢	-

最佳实践：

1. 优先用于HTTP服务/数据库访问等IO场景
2. 避免在协程内执行阻塞型CPU操作
3. 使用run_in_executor融合线程池处理阻塞调用
4. 监控任务状态：asyncio.all_tasks()获取活动任务

异步编程彻底改变了Python处理高并发的范式。通过本文的深度解析和实用示例，开发者可掌握利用asyncio构建高性能应用的核心技能，在Web服务、爬虫系统等场景中实现质的飞跃。