Python asyncio：异步编程

理解asyncio运行原理，首先我们绕不开的概念就是要理解并发和并行

1.  并发：

• 并发是指系统可以同时管理多个任务，但这些任务并不真正同时运行。

• 在 Python 的 asyncio 中，所有任务运行在单个线程和单个 CPU 核心上，通过事件循环在任务之间快速切换，当某个任务遇到 I/O（例如等待文件读写或网络请求）时，其他任务可以继续执行。

2. 并行：并行指真正的同时执行多个任务，比如利用多线程或多进程让多个任务同时在多个 CPU 核心上运行

3. asyncio是并发还是并行？直接给答案: 是并发。因为asyncio 使用的是单线程事件循环，虽然它能通过任务间的切换实现“同时运行”的效果，但本质上同一时刻只有一个任务在运行，asyncio 不会使用多个线程或多个 CPU 核心，因此它不是并行的。

4.  为什么asyncio只能使用单 CPU 核心？我主机有8核，为什么不能使用？

因为asyncio 本质上是一种 协程 的实现，依赖单线程的 事件循环，即使你的主机有 8 核，asyncio 依然只能使用 一个线程，因此只能运行在一个 CPU 核心上

5. 为什么协程 就只能在一个CPU核心上运行？要回答这个问题，就不得不说协程的本质了。

1. 协程的本质
   协程是一种轻量级的用户态线程，它依赖 事件循环 来管理任务的调度和切换，所有协程都在同一个线程中运行。

•  单线程事件循环： 协程是基于单线程的机制，所有任务的执行都由同一个事件循环调度,因此，事件循环只能运行在一个 CPU 核心上，协程的运行也被限制在这个核心中。

• 非抢占式调度： 协程的调度是 非抢占式 的，即任务之间的切换是由代码中的 await、yield 等显式控制的，只有当任务主动交出控制权时，事件循环才会切换到其他协程运行。

这意味着协程只能依赖单线程，无法直接利用多核 CPU 的并行计算能力

6. 如何使用asyncio，把主机多核数利用起来

# 1. 多进程 + 协程
# 通过 multiprocessing 模块创建多个进程，每个进程运行自己的事件循环，从而利用多个核心，因为每个进程都有独立的 Python 解释器和 GIL，因此可以并行运行在多个核心上。

import asyncio
from multiprocessing import Process

async def async_task(name):
    print(f"{name} 开始")
    await asyncio.sleep(1)  # 模拟 I/O 操作
    print(f"{name} 完成")

def run_event_loop():
    asyncio.run(async_task("任务"))

if __name__ == "__main__":
    processes = []
    for i in range(4):  # 启动 4 个进程
        p = Process(target=run_event_loop)
        processes.append(p)
        p.start()
    
    for p in processes:
        p.join()


# 2. 线程池/进程池 + 协程
# 可以通过 concurrent.futures 模块的线程池或进程池，将部分任务分发到其他线程或进程中运行。协程负责 I/O 密集型任务，CPU 密集型任务由进程池并行执行，从而实现多核利用
import asyncio
from concurrent.futures import ProcessPoolExecutor

async def main():
    loop = asyncio.get_running_loop()
    with ProcessPoolExecutor() as pool:
        result = await loop.run_in_executor(pool, cpu_bound_task, 10)
        print(f"计算结果: {result}")

def cpu_bound_task(n):
    # 模拟 CPU 密集型任务
    total = 0
    for i in range(10**8):
        total += i * n
    return total

asyncio.run(main())