Python异步编程之await与asyncio基本用法详解

 更新时间:2025年08月18日 15:51:14   作者:大大小小聪明  
在Python中,await和asyncio是异步编程的核心工具,用于高效处理 I/O 密集型任务(如网络请求、文件读写、数据库操作等),接下来通过本文给大家介绍Python异步编程之await与asyncio基本用法详解,感兴趣的朋友跟随小编一起看看吧

在 Python 中,awaitasyncio 是异步编程的核心工具,用于高效处理 I/O 密集型任务(如网络请求、文件读写、数据库操作等)。它们的核心思想是通过 协程(Coroutine)事件循环(Event Loop) 实现非阻塞并发,避免线程切换的开销。

一、核心概念

协程(Coroutine)
async def 定义的函数,返回一个协程对象,可以通过 await 挂起执行,让出控制权。

async def my_coroutine():
    await asyncio.sleep(1)
    print("Done")

事件循环(Event Loop)
异步程序的核心调度器,负责执行协程并在 I/O 操作时切换任务。

可等待对象(Awaitable)
包括协程、asyncio.Taskasyncio.Future。只有可等待对象才能被 await

二、使用场景

  1. 高并发网络请求
    如爬虫、API 调用等需要同时处理大量连接的场景。
  2. Web 服务器
    如 FastAPI、Sanic 等异步框架处理 HTTP 请求。
  3. 数据库操作
    异步驱动(如 asyncpgaiomysql)避免阻塞主线程。
  4. 实时通信
    WebSocket、聊天服务器等需要长连接的场景。

三、基本用法

1. 定义协程

async def fetch_data(url):
    # 模拟网络请求
    await asyncio.sleep(1)
    return f"Data from {url}"

2. 运行协程

async def main():
    result = await fetch_data("https://example.com")
    print(result)
# Python 3.7+ 推荐方式
asyncio.run(main())

3. 并发执行多个任务

使用 asyncio.gather()asyncio.create_task()

async def main():
    # 同时执行多个协程
    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(results)

四、关键 API 详解

  • asyncio.run(coro)
    • 启动事件循环并运行协程(Python 3.7+)。
  • asyncio.create_task(coro)
    • 将协程包装为 Task,加入事件循环并发执行。
  • asyncio.gather(*coros)
    • 并发执行多个协程,返回结果列表。
  • asyncio.sleep(delay)
    • 非阻塞等待(模拟 I/O 操作)。

五、高级用法

1. 控制并发量

使用信号量(Semaphore)限制同时运行的任务数:

async def limited_fetch(url, semaphore):
    async with semaphore:
        return await fetch_data(url)
async def main():
    semaphore = asyncio.Semaphore(5)  # 最大并发5
    tasks = [limited_fetch(url, semaphore) for url in urls]
    await asyncio.gather(*tasks)

2. 超时控制

async def fetch_with_timeout():
    try:
        async with asyncio.timeout(3):  # Python 3.11+
            await fetch_data("slow_url")
    except TimeoutError:
        print("Timeout!")

3. 回调与 Future

async def main():
    loop = asyncio.get_running_loop()
    future = loop.create_future()
    def callback():
        future.set_result("Done")
    loop.call_soon(callback)
    result = await future
    print(result)

六、常见错误

忘记 await
协程不会被自动执行:

async def main():
    fetch_data("url")  # 错误!没有 await

阻塞主线程
在协程中调用同步代码(如 time.sleep())会阻塞事件循环:

async def bad_example():
    time.sleep(1)  # 错误!应使用 await asyncio.sleep(1)

滥用并发
异步不适合 CPU 密集型任务,此时应使用多进程。

七、完整示例

import asyncio
async def download(url, delay):
    print(f"Start downloading {url}")
    await asyncio.sleep(delay)
    print(f"Finished {url}")
    return url
async def main():
    urls = [
        ("https://site1.com", 1),
        ("https://site2.com", 2),
        ("https://site3.com", 3),
    ]
    tasks = [asyncio.create_task(download(url, delay)) for url, delay in urls]
    results = await asyncio.gather(*tasks)
    print("All done:", results)
if __name__ == "__main__":
    asyncio.run(main())

输出:

Start downloading https://site1.com
Start downloading https://site2.com
Start downloading https://site3.com
Finished https://site1.com
Finished https://site2.com
Finished https://site3.com
All done: ['https://site1.com', 'https://site2.com', 'https://site3.com']

八、总结

  • 适用场景:I/O 密集型任务,如网络、文件、数据库操作。
  • 关键点
    • 使用 async def 定义协程,用 await 挂起阻塞操作。
    • 通过 asyncio.create_task()asyncio.gather() 实现并发。
    • 避免在协程中调用阻塞同步代码。

通过合理使用 asyncio,可以在单线程内高效处理成千上万的并发连接。

到此这篇关于Python异步编程之await与asyncio基本用法详解的文章就介绍到这了,更多相关Python await与asyncio内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • Matplotlib绘图基础之3D图形绘制详解

    Matplotlib绘图基础之3D图形绘制详解

    matplotlib 在1.0版本之前其实是不支持3D图形绘制的,后来的版本中,matplotlib加入了3D图形的支持,扩展了其展示数据分布和关系的能力,下面就和大家介绍一下matplotlib中绘制各类3D图形的方法
    2023-08-08
  • Python 模拟死锁的常见实例详解

    Python 模拟死锁的常见实例详解

    这篇文章主要为大家介绍了Python 模拟死锁的常见实例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2022-08-08
  • Python实现全排列的打印

    Python实现全排列的打印

    这篇文章主要为大家详介绍了Python实现全排列的打印的相关代码,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2018-08-08
  • Tensorflow2.4使用Tuner选择模型最佳超参详解

    Tensorflow2.4使用Tuner选择模型最佳超参详解

    这篇文章主要介绍了Tensorflow2.4使用Tuner选择模型最佳超参详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2022-11-11
  • python中nuitka使用程序打包的实现

    python中nuitka使用程序打包的实现

    本文主要介绍了python中nuitka使用程序打包的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2025-04-04
  • Python数据结构之递归方法详解

    Python数据结构之递归方法详解

    这篇文章主要为大家介绍了递归的基本概念以及如何构建递归程序。通过本章的学习,大家可以理解递归的基本概念,了解递归背后蕴含的编程思想以及掌握构建递归程序的方法,需要的可以参考一下
    2022-04-04
  • 一文教你如何使用Python破解PDF的文本限制

    一文教你如何使用Python破解PDF的文本限制

    要解除 PDF 的文本限制,可以根据文件类型和限制原因,选择最合适的方案,本文为大家整理了一些主流方案,大家可以根据自己的需要进行选择
    2026-04-04
  • python Prophet时间序列预测工具库使用功能探索

    python Prophet时间序列预测工具库使用功能探索

    Python Prophet是一个强大的时间序列预测工具,由Facebook开发,具有易用性和高度可定制性的特点,本文将深入介绍Python Prophet的基本概念、安装方法以及如何使用它进行时间序列预测,并提供丰富的示例代码来帮助大家入门
    2024-01-01
  • django rest framework 过滤时间操作

    django rest framework 过滤时间操作

    这篇文章主要介绍了django rest framework 过滤时间操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-07-07
  • pytorch 更改预训练模型网络结构的方法

    pytorch 更改预训练模型网络结构的方法

    今天小编就为大家分享一篇pytorch 更改预训练模型网络结构的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-08-08

最新评论