Python 异步编程实战

为什么需要异步编程？

在传统同步编程中，IO 操作（如网络请求、文件读写）会阻塞程序执行。异步编程允许程序在等待 IO 时执行其他任务，大幅提升并发性能。

asyncio 核心概念

1. Event Loop（事件循环）

事件循环是异步编程的核心，负责调度和执行协程。

import asyncio

async def main():
    print("Hello")
    await asyncio.sleep(1)
    print("World")

asyncio.run(main())

2. async/await 语法

• async def 定义协程函数
• await 等待异步操作完成

3. Task（任务）

Task 是包装协程的对象，支持并发执行。

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

async def main():
    urls = ["url1", "url2", "url3"]
    tasks = [asyncio.create_task(fetch_url(url)) for url in urls]
    results = await asyncio.gather(*tasks)
    print(results)

实际应用场景

并发网络请求

import aiohttp

async def fetch(session, url):
    async with session.get(url) as response:
        return await response.text()

async def fetch_all(urls):
    async with aiohttp.ClientSession() as session:
        tasks = [fetch(session, url) for url in urls]
        return await asyncio.gather(*tasks)

异步数据库操作

使用 asyncpg 或 aiomysql 进行异步数据库查询，避免阻塞。

常见陷阱

1. 在同步函数中调用异步函数 - 需要使用 asyncio.run() 或事件循环
2. 阻塞调用 - 避免在协程中使用 time.sleep()，改用 asyncio.sleep()
3. 异常处理 - 使用 try/except 包裹 await 调用

性能对比

场景	同步	异步
100 个网络请求	~100 秒	~1-2 秒
并发文件处理	顺序执行	并行处理

总结

异步编程是 Python 高性能应用的关键技术。掌握 asyncio 能让你构建更高效的网络服务和数据处理管道。