python 始终在进行并发编程的优化， 比拟熟知的是应用 thread 模块多线程和 multiprocessing 多过程，起初缓缓引入基于 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网举荐了。

协程倒退历程

Python中的协程大略经验了如下三个阶段：

  1. 最后的生成器变形yield/send
  2. yield from
  3. 在Python3.5版本中引入async/await关键字

本文就间接从Python3.5版本开始讲起，如果大家有趣味能够讲讲在没有呈现async/await关键字之前，Python是如何实现协程的

同步和异步

同步是指代码调用IO操作时,必须期待IO操作实现才返回的调用形式,多个工作之间执行的时候要求有先后顺序，必须一个先执行实现之后，另一个能力继续执行， 只有一个主线

异步是指代码调用IO操作时,不用等IO操作实现就返回的调用形式,多个工作之间执行没有先后顺序，能够同时运行，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件,那么电脑上同时运行的软件是如何做到的呢?

QQ到CPU中执行很短的工夫，而后微信在到CPU中执行很短的工夫，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工夫片轮转

并行:cpu大于以后执行的工作

并发:cpu小于以后执行的工作

协程，线程和过程的比照

  1. 如果有一条生产线，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，即单过程多线程形式
  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资料毕竟无限，所以老板又花了些财力物力购买了另外一条生产线，而后再招些工人这样效率又再一步进步了，即多过程多线程形式

3.老板发现，当初曾经有了很多条生产线，并且每条生产线上曾经有很多工人了（即程序是多过程的，每个过程中又有多个线程），为了再次提高效率，老板想了个损招，规定：如果某个员工在下班时长期没事或者再期待某些条件（比方期待另一个工人生产完谋道工序 之后他能力再次工作） ，那么这个员工就利用这个工夫去做其它的事件，那么也就是说：如果一个线程期待某些条件，能够充分利用这个工夫去做其它事件，其实这就是：协程形式

协程的根底应用

这是 python 3.7 外面的根底协程用法，当初这种用法曾经根本稳固，不太倡议应用之前的语法了。

import asyncioimport timeasync def visit_url(url, response_time):    """拜访 url"""    await asyncio.sleep(response_time)    return f"拜访{url}, 已失去返回后果"start_time = time.perf_counter()task = visit_url('http://wangzhen.com', 2)asyncio.run(task)print(f"耗费工夫：{time.perf_counter() - start_time}")
  • 在一般的函数后面加 async 关键字；
  • await 示意在这个中央期待子函数执行实现，再往下执行。（在并发操作中，把程序控制权教给主程序，让他调配其余协程执行。） await 只能在带有 async 关键字的函数中运行。
  • asynico.run() 运行程序
  • 这个程序耗费工夫 2s 左右。

减少协程

再增加一个工作

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

这 2 个程序一共耗费 5s 左右的工夫。并没有施展并发编程的劣势

import asyncioimport timeasync def visit_url(url, response_time):    """拜访 url"""    await asyncio.sleep(response_time)    return f"拜访{url}, 已失去返回后果"async def run_task():    """收集子工作"""    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"耗费工夫：{time.perf_counter() - start_time}")

如果是并发编程，这个程序只须要耗费 3s,也就是task2的等待时间。要想应用并发编程模式，须要把下面的代码改一下。asyncio.gather 会创立 2 个子工作，当呈现 await 的时候，程序会在这 2 个子工作之间进行调度。

async def run_task():    """收集子工作"""    task = visit_url('http://wangzhen.com', 2)    task_2 = visit_url('http://another', 3)    await asynicio.gather(task1, task2)

create_task

创立子工作除了能够用 gather 办法之外，还能够应用 asyncio.create_task 进行创立。

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

协程的次要应用场景

协程的次要利用场景是 IO 密集型工作，总结几个常见的应用场景：

  • 网络申请，比方爬虫，大量应用 aiohttp
  • 文件读取， aiofile
  • web 框架， aiohttp， fastapi
  • 数据库查问， asyncpg, databases