本文首发于：行者 AI
在近期的编码工作过程中遇到了 async 和 await 装璜的函数，查问材料后理解到这种函数是基于协程的异步函数。这类编程形式称为异步编程，罕用在 IO 较频繁的零碎中，如：Tornado web 框架、文件下载、网络爬虫等利用。协程可能在 IO 等待时间就去切换执行其余工作，当 IO 操作完结后再主动回调，那么就会大大节俭资源并提供性能。接下来便简略的解说一下异步编程相干概念以及案例演示。
1. 协程简介
1.1 协程的含意及实现办法
协程（Coroutine），也能够被称为微线程，是一种用户态内的上下文切换技术。简而言之，其实就是通过一个线程实现代码块互相切换执行。例如：
def func1():
print(1)
... # 协程染指
print(2)
def func2():
print(3)
... # 协程染指
print(4)
func1()
func2()
上述代码是一般的函数定义和执行，按流程别离执行两个函数中的代码，并先后会输入：1、2、3、4。但如果染指协程技术那么就能够实现函数见代码切换执行，最终输出：1、3、2、4。
在 Python 中有多种形式能够实现协程，例如：
- greenlet，是一个第三方模块，用于实现协程代码（Gevent 协程就是基于 greenlet 实现）；
- yield，生成器，借助生成器的特点也能够实现协程代码；
- asyncio，在 Python3.4 中引入的模块用于编写协程代码；
- async & awiat，在 Python3.5 中引入的两个关键字，联合 asyncio 模块能够更不便的编写协程代码。
前两种实现形式较为老旧，所以重点关注前面的形式
规范库实现办法
asyncio 是 Python 3.4 版本引入的规范库，间接内置了对异步 IO 的反对。
import asyncio
@asyncio.coroutine
def func1():
print(1)
yield from asyncio.sleep(2) # 遇到 IO 耗时操作，自动化切换到 tasks 中的其余工作
print(2)
@asyncio.coroutine
def func2():
print(3)
yield from asyncio.sleep(2) # 遇到 IO 耗时操作，自动化切换到 tasks 中的其余工作
print(4)
tasks = [asyncio.ensure_future( func1() ),
asyncio.ensure_future(func2() )
]
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))
关键字实现办法
async & await 关键字在 Python3.5 版本中正式引入，代替了asyncio.coroutine 装璜器，基于他编写的协程代码其实就是上一示例的加强版，让代码能够更加简便可读。
import asyncio
async def func1():
print(1)
await asyncio.sleep(2) # 耗时操作
print(2)
async def func2():
print(3)
await asyncio.sleep(2) # 耗时操作
print(4)
tasks = [asyncio.ensure_future(func1()),
asyncio.ensure_future(func2())
]
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))
1.2 案例演示
例如：用代码实现下载 url_list 中的图片。
- 形式一：同步编程实现
# requests 库仅反对同步的 http 网络申请
import requests
def download_image(url):
print("开始下载:",url)
# 发送网络申请，下载图片
response = requests.get(url)
# 图片保留到本地文件
file_name = url.rsplit('_')[-1]
with open(file_name, mode='wb') as file_object:
file_object.write(response.content)
print("下载实现")
if __name__ == '__main__':
url_list = [
'https://www.1.jpg',
'https://www.2.jpg',
'https://www.3.jpg'
]
for item in url_list:
download_image(item)
输入：按程序发送申请，申请一次下载一张图片，如果每次下载破费 1s，实现工作须要 3s 以上。
- 形式二：基于协程的程实现
# aiohttp 为反对异步编程的 http 申请库
import aiohttp
import asyncio
async def fetch(session, url):
print("发送申请：", url)
async with session.get(url, verify_ssl=False) as response:
content = await response.content.read()
file_name = url.rsplit('_')[-1]
with open(file_name, mode='wb') as file_object:
file_object.write(content)
async def main():
async with aiohttp.ClientSession() as session:
url_list = [
'https://www.1.jpg',
'https://www.2.jpg',
'https://www.3.jpg'
]
tasks = [asyncio.create_task(fetch(session, url)) for url in url_list]
await asyncio.wait(tasks)
if __name__ == '__main__':
asyncio.run(main())
输入：一次发送三个下载申请，同时下载，如果每次下载破费 1s，实现工作仅须要 1s 左右，第一种办法的耗时为第二种的三倍。
1.3 小结
协程能够让原来要应用异步 + 回调形式写的非人类代码，用看似同步的形式写进去。
2. 异步编程简介
2.1 同步和异步的区别
同步：循序渐进执行操作、申请
异步：无需期待上一步操作、申请实现，就开始下一步（每个操作依然有先后顺序）
目前 python 异步相干的支流技术是通过蕴含关键字 async&await 的 async 模块实现。
2.2 异步编程 - 事件循环
事件循环，能够把他当做是一个 while 循环，这个 while 循环在周期性的运行并执行一些工作，在特定条件下终止循环。
# 伪代码
工作列表 = [工作 1, 工作 2, 工作 3,...]
while True:
可执行的工作列表，已实现的工作列表 = 去工作列表中查看所有的工作，将 '可执行' 和 '已实现' 的工作返回
for 就绪工作 in 已准备就绪的工作列表:
执行已就绪的工作
for 已实现的工作 in 已实现的工作列表:
在工作列表中移除 已实现的任
如果 工作列表 中的工作都已实现，则终止循环
在编写程序时候能够通过如下代码来获取和创立事件循环。
# 形式一：import asyncio
# 生成或获取一个事件循环
loop = asyncio.get_event_loop()
# 将工作增加到事件循环中
loop.run_until_complete(工作)
# 形式二（python3.7 及以上版本反对）：asyncio.run(工作)2.3 异步编程 - 疾速上手
async 关键字
- 协程函数：定义函数时候由 async 关键字装璜的函数
async def 函数名 - 协程对象：执行协程函数 () 失去的协程对象。
# 协程函数
async def func():
pass
# 协程对象
result = func()留神：执行协程函数只会创立协程对象，函数外部代码不会执行。如果想要运行协程函数外部代码，必须要将协程对象交给事件循环来解决。
import asyncio
async def func():
print("执行协程函数外部代码！")
result = func()
# 调用办法 1：# loop = asyncio.get_event_loop()
# loop.run_until_complete(result)
# 调用办法 2：asyncio.run(result)await 关键字
await + 可期待的对象（协程对象、Future、Task 对象 -> IO 期待），遇到 IO 操作挂起以后协程（工作），等 IO 操作实现之后再持续往下执行。以后协程挂起时，事件循环能够去执行其余协程（工作）。
import asyncio
async def others():
print("start")
await asyncio.sleep(2)
print('end')
return '返回值'
async def func():
print("执行协程函数外部代码")
# await 期待对象的值得到后果之后再持续向下走
response = await others()
print("IO 申请完结，后果为：", response)
asyncio.run(func() )
Task 对象
Task 对象的作用是在事件循环中增加多个工作，用于并发调度协程，通过 asyncio.create_task(协程对象) 的形式创立 Task 对象，这样能够让协程退出事件循环中期待被调度执行。
async def module_a():
print("start module_a")
await asyncio.sleep(2) # 模仿 module_a 的 io 操作
print('end module_a')
return 'module_a 实现'
async def module_b():
print("start module_b")
await asyncio.sleep(1) # 模仿 module_a 的 io 操作
print('end module_b')
return 'module_b 实现'
task_list = [module_a(),
module_b(),]
done,pending = asyncio.run(asyncio.wait(task_list) )
print(done)2.4 案例演示
例如：用代码实现连贯并查询数据库的同时，下载一个 APK 文件到本地。
import asyncio
import aiomysql
import os
import aiofiles as aiofiles
from aiohttp import ClientSession
async def get_app():
url = "http://www.123.apk"
async with ClientSession() as session:
# 网络 IO 申请，获取响应
async with session.get(url)as res:
if res.status == 200:
print("下载胜利", res)
# 磁盘 IO 申请，读取响应数据
apk = await res.content.read()
async with aiofiles.open("demo2.apk", "wb") as f:
# 磁盘 IO 申请，数据写入本地磁盘
await f.write(apk)
else:
print("下载失败")
async def excute_sql(sql):
# 网络 IO 操作：连贯 MySQL
conn = await aiomysql.connect(host='127.0.0.1', port=3306, user='root', password='123', db='mysql',)
# 网络 IO 操作：创立 CURSOR
cur = await conn.cursor()
# 网络 IO 操作：执行 SQL
await cur.execute(sql)
# 网络 IO 操作：获取 SQL 后果
result = await cur.fetchall()
print(result)
# 网络 IO 操作：敞开链接
await cur.close()
conn.close()
task_list = [get_app(), execute_sql(sql="SELECT Host,User FROM user")]
asyncio.run(asyncio.wait(task_list))代码逻辑剖析：
【step1】asyncio.run()创立了事件循环。wait()办法将 task 工作列表退出到以后的事件循环中；（留神：必须先创立事件循环，后退出工作列表，否则会报错）
【step2】事件循环监听事件状态，开始执行代码，先执行列表中的 get_app() 办法，当代码执行到 async with session.get(url)as res: 时，遇到 await 关键字示意有 IO 耗时操作，线程会将该工作挂起在后盾执行，并切换到另外一个异步函数excute_sql()；
【step3】当代码执行到 excute_sql() 的第一个 IO 耗时操作后，线程会反复先前的操作，将该工作挂起，去执行其余可执行代码。如果此时事件循环监听到 get_app() 中的第一 IO 耗时操作曾经执行实现，那么线程会切换到该办法第一个 IO 操作后的代码，并按程序执行直到遇上下一个 await 装璜的 IO 操作；如果事件循环监听到 excute_sql() 中的第一个 IO 操作先于 get_app() 的第一个 IO 操作实现，那么线程会继续执行 excute_sql 的后续代码；
【step4】线程会反复进行上述第 3 点中的步骤，直到代码全副执行实现，事件循环也会随之进行。
2.5 大节
一般来说 CPU 的耗时运算形式有：
计算密集型的操作：计算密集型工作的特点是要进行大量的计算、逻辑判断，耗费 CPU 资源，比方计算圆周率、对视频进行高清解码等等。
IO 密集型的操作：波及到网络、磁盘 IO 的工作都是 IO 密集型工作，这类工作的特点是 CPU 耗费很少，工作的大部分工夫都在期待 IO 操作实现（因为 IO 的速度远远低于 CPU 和内存的速度）。
异步编程基于协程实现，如果利用协程实现计算密集型操作，因为线程在上下文之间的来回切换总会经验相似于”计算“–>”保留“–>”创立新环境“的一系列操作，导致系统的整体性能反而会降落。所以异步编程并不适用于计算密集型的程序。然而在 IO 密集型操作汇总，协程在 IO 等待时间就去切换执行其余工作，当 IO 操作完结后再主动回调，那么就会大大节俭资源并提供性能。