Python使用asyncio实现异步操作的示例
作者：CoderJia_
在 Python 中，使用 async 和 await 可以非常高效地处理复杂的异步 I/O 操作。它们的主要目的是简化异步编程模型，使代码可读性更好，并且能够在 I/O 操作时不阻塞主线程。下面是如何有效地利用它们来实现复杂异步 I/O 操作的指南：
1. 基础概念
async def：定义一个异步函数，这样的函数在调用时不会立即执行，而是返回一个协程对象。await：用于等待一个异步操作（如 I/O 操作）的结果，释放当前函数持有的 CPU 以便其他协程能够执行。asyncio：Python 的标准库提供了强大的异步 I/O 库，包含了事件循环、任务、以及各种异步 I/O 操作的工具。
2. 实现异步 I/O 的步骤
2.1 定义异步函数
使用 async def 定义异步函数，可以在函数内部使用 await 调用异步任务。例如，读取文件、请求网络数据、或者数据库操作等都可以是异步的。
import asyncio
async def fetch_data():
print("Fetching data...")
await asyncio.sleep(2) # 模拟耗时的 I/O 操作，如数据库查询或API请求
return {"data": "sample"}
2.2 使用 await 等待异步操作的完成
通过 await 等待异步任务的完成，可以避免阻塞程序的执行。
async def main():
data = await fetch_data()
print(data)
# 运行事件循环
asyncio.run(main())
2.3 并发执行多个任务
通过 asyncio.gather()，你可以并发地执行多个异步任务，而不是顺序等待每个任务完成。gather 可以同时启动多个协程，并行处理 I/O 操作。
import asyncio
async def task_1():
await asyncio.sleep(5)
return "Task 1 finished"
async def task_2():
await asyncio.sleep(5)
return "Task 2 finished"
async def main():
# 计算运行耗时
start_time = asyncio.get_running_loop().time()
results = await asyncio.gather(task_1(), task_2())
print(f"Total time: {asyncio.get_running_loop().time() - start_time}")
print(results)
asyncio.run(main())
输出结果是并行执行的，虽然 task_1 和 task_2 各需要5秒，但并行总计耗时也是5秒。
2.4 创建并管理任务
asyncio.create_task() 可以将异步函数封装成任务，并且不会阻塞当前执行。它允许同时运行多个任务，并在它们完成后获取结果。
import asyncio
async def task_1():
await asyncio.sleep(2)
return "Task 1 complete"
async def task_2():
await asyncio.sleep(1)
return "Task 2 complete"
async def main():
# 计算运行的时间
start_time = asyncio.get_running_loop().time()
t1 = asyncio.create_task(task_1())
t2 = asyncio.create_task(task_2())
await t1 # 等待任务1完成
await t2 # 等待任务2完成
print(asyncio.get_running_loop().time() - start_time)
print(t1.result())
print(t2.result())
asyncio.run(main())
输出结果是：
2.5 处理异常
在复杂的异步 I/O 操作中，处理异常非常重要。你可以在 await 和 async 任务中捕获异常。
async def risky_task():
await asyncio.sleep(1)
raise ValueError("An error occurred!")
async def main():
try:
await risky_task()
except ValueError as e:
print(f"Caught exception: {e}")
asyncio.run(main())
输出结果是：
2.6 超时控制
异步 I/O 操作中常常需要处理超时情况。可以通过 asyncio.wait_for() 来实现超时控制。
async def long_task():
await asyncio.sleep(5)
return "Task finished"
async def main():
try:
result = await asyncio.wait_for(long_task(), timeout=2)
print(result)
except asyncio.TimeoutError:
print("Task timed out")
asyncio.run(main())
输出结果是：
3. 处理复杂的异步 I/O 操作
在更复杂的场景中，可能需要同时处理多种类型的 I/O 操作，比如网络请求、文件读写、数据库查询等。以下是一个例子，它展示了如何通过 asyncio 同时处理不同类型的异步操作。
import asyncio
async def fetch_data_from_api():
print("Fetching data from API...")
await asyncio.sleep(3) # 模拟 API 请求
return {"api_data": "some api data"}
async def read_from_file():
print("Reading data from file...")
await asyncio.sleep(2) # 模拟文件读操作
return "file content"
async def write_to_db(data):
print(f"Writing {data} to database...")
await asyncio.sleep(1) # 模拟数据库写入操作
return "DB write success"
async def main():
# 并发执行 I/O 操作
api_task = asyncio.create_task(fetch_data_from_api())
file_task = asyncio.create_task(read_from_file())
# 等待所有 I/O 操作完成
api_data, file_content = await asyncio.gather(api_task, file_task)
# 处理 I/O 操作的结果
print(f"API Data: {api_data}")
print(f"File Content: {file_content}")
# 写入数据库
db_result = await write_to_db(api_data)
print(db_result)
asyncio.run(main())
输出结果是：
4. 使用 async/await 的性能优势
- 避免阻塞：传统的同步 I/O 操作（如文件读取、网络请求）会阻塞线程，而
async/await允许在等待 I/O 操作时执行其他任务，极大提高了并发处理的能力。 - 降低线程开销：相比多线程，多协程（基于
async的方式）能够减少线程上下文切换的开销，在高并发场景下更加高效。
5. 总结
利用 async 和 await 处理异步 I/O 操作时，可以有效地管理任务的并发执行，并通过 asyncio 提供的工具（如 gather、create_task）进一步简化复杂的异步操作。同时，超时控制、异常处理等功能也很容易集成到异步 I/O 操作中。
到此这篇关于Python使用asyncio实现异步操作的示例的文章就介绍到这了,更多相关Python asyncio异步操作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！