Python使用异步编程提升程序性能详解
作者：真智AI
异步编程-提升应用性能的强大技术
异步编程是一种强大的技术，可以显著提升应用程序的性能。它允许你在不需要手动管理线程或进程的情况下，同时执行多个任务。这种方法特别适用于需要进行 API 请求、文件读取或数据库交互的开发者，而且不会暂停整个应用程序的运行。
在 Python 中，最知名的异步编程库是 asyncio。这个库通过实现事件循环（Event Loop）、协程（Coroutines）和非阻塞 I/O（Non-blocking I/O）来管理程序的执行。如果你希望构建高响应性和高可扩展性的应用程序，强烈建议你深入研究这个库。
同步vs异步编程
在同步编程中，任务是按顺序执行的，意味着每个任务必须在前一个任务完成后才能开始。如下图所示，程序会等待一个任务执行完毕后再进行下一个任务。
（同步执行示意图）
相反，异步编程允许多个任务同时运行。当一个任务在等待某个慢操作（如从服务器获取数据）时，程序可以继续执行其他任务。这种**“非阻塞”**方法避免了程序停滞，使可用资源得到更好的利用，从而显著提高执行效率。下图展示了异步编程的工作方式。
（异步执行示意图）
什么是asyncio
asyncio 提供了一个框架，使开发者可以使用 async 和 await 语法编写异步代码。它允许程序在不停止其他进程的情况下执行网络请求、文件访问等操作。这样，程序可以在等待某些任务完成时仍然保持响应性。
值得注意的是，asyncio 从 Python 3.3 版本起就默认包含，无需额外安装。
asyncio的核心组件
- 事件循环（Event Loop）：管理和调度异步任务和协程的核心机制。
- 协程（Coroutines）：使用
async def定义的特殊函数，它们可以使用await关键字暂停执行，以便让其他任务运行。 - 任务（Tasks）：已被调度到事件循环中的协程，可使用
asyncio.create_task()创建任务。 - Future 对象（Futures）：表示可能尚未完成的操作的结果，相当于未来可用的占位符。
asyncio的基本用法
import asyncio
async def calculate_square(number):
print(f"开始计算 {number} 的平方")
await asyncio.sleep(1) # 模拟延迟
print(f"{number} 的平方计算完成")
return number ** 2
async def calculate_cube(number):
print(f"开始计算 {number} 的立方")
await asyncio.sleep(2) # 模拟延迟
print(f"{number} 的立方计算完成")
return number ** 3
async def main():
# 创建任务并调度到事件循环中
task1 = asyncio.create_task(calculate_square(5))
task2 = asyncio.create_task(calculate_cube(3))
# 等待任务完成
result1 = await task1
result2 = await task2
# 输出结果
print(f"平方结果：{result1}")
print(f"立方结果：{result2}")
if __name__ == "__main__":
# 启动事件循环
asyncio.run(main())关键点解析
- 事件循环：
asyncio.run(main())启动事件循环，并运行main()协程。 - 协程：
calculate_square(number)和calculate_cube(number)是协程，它们使用await asyncio.sleep()模拟延迟，而不会阻塞整个程序。 - 任务：在
main()中，我们使用asyncio.create_task()创建任务，让两个协程并行运行。 - Future 对象：
result1和result2是 Future 对象，代表calculate_square()和calculate_cube()任务的最终结果。
运行结果
开始计算 5 的平方
开始计算 3 的立方
5 的平方计算完成
3 的立方计算完成
平方结果：25
立方结果：27
运行多个协程asyncio.gather()
asyncio.gather() 允许多个协程并行执行，通常用于批量发送网络请求。让我们用一个示例来模拟多个 HTTP 请求的并发执行。
示例代码
import asyncio
# 模拟从 URL 获取数据的任务
async def fetch_data(URL, delay):
print(f"开始从 {URL} 获取数据")
await asyncio.sleep(delay) # 模拟网络延迟
return f"从 {URL} 获取数据完成（耗时 {delay} 秒）"
async def main():
# 并行执行多个获取数据的任务
results = await asyncio.gather(
fetch_data("https://openai.com", 2),
fetch_data("https://github.com", 5),
fetch_data("https://python.org", 7)
)
# 输出所有任务的结果
for result in results:
print(result)
asyncio.run(main())关键点解析
fetch_data(URL, delay)模拟从 URL 获取数据，并设置不同的延迟时间。asyncio.gather()让三个fetch_data()协程并行执行，而不会一个完成后再启动下一个。- 任务并行运行，因此程序不会等待一个任务完成后才开始下一个，极大提升效率。
运行结果
开始从 https://openai.com 获取数据
开始从 https://github.com 获取数据
开始从 https://python.org 获取数据
从 https://openai.com 获取数据完成（耗时 2 秒）
从 https://github.com 获取数据完成（耗时 5 秒）
从 https://python.org 获取数据完成（耗时 7 秒）
处理超时asyncio.wait_for()
asyncio.wait_for() 允许你为异步任务设置超时时间，如果任务超时未完成，将引发 asyncio.TimeoutError。
示例代码
import asyncio
async def fetch_data():
await asyncio.sleep(15) # 模拟网络延迟
return "数据获取成功"
async def main():
try:
# 设置超时时间为 10 秒
result = await asyncio.wait_for(fetch_data(), timeout=10)
print(result)
except asyncio.TimeoutError:
print("数据获取超时")
asyncio.run(main())如果 fetch_data() 任务执行超过 10 秒，就会触发超时异常 TimeoutError。
总结
本指南介绍了 Python 的 asyncio 库，并对同步与异步编程区别、核心组件和代码示例进行了详细讲解。虽然编写异步代码可能会让初学者感到困惑，但一旦熟练掌握，你会发现它能极大提升程序的性能和响应速度。
如果你想深入了解 asyncio，建议查阅官方文档。
以上就是Python使用异步编程提升程序性能详解的详细内容，更多关于Python异步编程的资料请关注脚本之家其它相关文章！