Python中的asyncio代码详解

Python  /  管理员 发布于 7年前   399

asyncio介绍

熟悉c#的同学可能知道，在c#中可以很方便的使用 async 和 await 来实现异步编程，那么在python中应该怎么做呢，其实python也支持异步编程，一般使用 asyncio 这个库，下面介绍下什么是 asyncio :

asyncio 是用来编写 并发 代码的库，使用 async/await 语法。 asyncio 被用作多个提供高性能 Python 异步框架的基础，包括网络和网站服务，数据库连接库，分布式任务队列等等。 asyncio 往往是构建 IO 密集型和高层级 结构化 网络代码的最佳选择。

asyncio中的基本概念

可以看见，使用asyncio库我们也可以在python代码中使用 async 和 await 。在 asyncio 中，有四个基本概念，分别是：

Eventloop

Eventloop 可以说是 asyncio 应用的核心，中央总控， Eventloop 实例提供了注册、取消、执行任务和回调 的方法。 简单来说，就是我们可以把一些异步函数注册到这个事件循环上，事件循环回循环执行这些函数（每次只能执行一个），如果当前正在执行的函数在等待I/O返回，那么事件循环就会暂停它的执行去执行其他函数。当某个函数完成I/O后会恢复，等到下次循环到它的时候就会继续执行。

Coroutine

协程本质就是一个函数，

import asyncioimport timeasync def a(): print('Suspending a') await asyncio.sleep(3) print('Resuming a')async def b(): print('Suspending b') await asyncio.sleep(1) print('Resuming b')async def main(): start = time.perf_counter() await asyncio.gather(a(), b()) print(f'{main.__name__} Cost: {time.perf_counter() - start}')if __name__ == '__main__': asyncio.run(main())

执行上述代码，可以看到类似这样的输出:

Suspending a
Suspending b
Resuming b
Resuming a
main Cost: 3.0023356619999997

关于协程的具体介绍，可以参考我以前的文章python中的协程 不过以前的那种写法，需要使用装饰器，已经过时了。

Future

Future 是表示一个“未来”对象，类似于 javascript 中的 promise ，当异步操作结束后会把最终结果设置到这个 Future 对象上， Future 是对协程的封装。

>>> import asyncio>>> def fun():...  print("inner fun")...  return 111... >>> loop = asyncio.get_event_loop()>>> future = loop.run_in_executor(None, fun) #这里没有使用awaitinner fun>>> future #可以看到，fun方法状态是pending<Future pending cb=[_chain_future.<locals>._call_check_cancel() at /usr/local/Cellar/python/3.7.3/Frameworks/Python.framework/Versions/3.7/lib/python3.7/asyncio/futures.py:348]>>>> future.done() # 还没有完成False>>> [m for m in dir(future) if not m.startswith('_')]['add_done_callback', 'cancel', 'cancelled', 'done', 'exception', 'get_loop', 'remove_done_callback', 'result', 'set_exception', 'set_result']>>> future.result() #这个时候如果直接调用result()方法会报错Traceback (most recent call last): File "<input>", line 1, in <module>asyncio.base_futures.InvalidStateError: Result is not set.>>> async def runfun():...  result=await future...  print(result)...  >>>loop.run_until_complete(runfun()) #也可以通过 loop.run_until_complete(future) 来执行，这里只是为了演示await111>>> future<Future finished result=111>>>> future.done()True>>> future.result()111Task

Eventloop 除了支持协程，还支持注册 Future 和 Task 2种类型的对象，而 Future 是协程的封装， Future 对象提供了很多任务方法（如完成后的回调，取消，设置任务结果等等），但是一般情况下开发者不需要操作 Future 这种底层对象，而是直接用 Future 的子类 Task 协同的调度协程来实现并发。那么什么是 Task 呢？下面介绍下：

一个与 Future 类似的对象，可运行 Python 协程。非线程安全。 Task 对象被用来在事件循环中运行协程。如果一个协程在等待一个 Future 对象， Task 对象会挂起该协程的执行并等待该 Future 对象完成。当该 Future 对象完成被打包的协程将恢复执行。 事件循环使用协同日程调度: 一个事件循环每次运行一个 Task 对象。而一个 Task 对象会等待一个 Future 对象完成，该事件循环会运行其他 Task 、回调或执行IO操作。

下面看看用法：

>>> async def a():...  print('Suspending a')...  await asyncio.sleep(3)...  print('Resuming a')...  >>> task = asyncio.ensure_future(a())>>> loop.run_until_complete(task)Suspending aResuming a

asyncio中一些常见用法的区别

Asyncio.gather和asyncio.wait

我们在上面的代码中用到过 asyncio.gather ，其实还有另外一种用法是 asyncio.wait ，他们都可以让多个协程并发执行，那么他们有什么区别呢？下面介绍下。

>>> import asyncio>>> async def a():...  print('Suspending a')...  await asyncio.sleep(3)...  print('Resuming a')...  return 'A'... ... ... async def b():...  print('Suspending b')...  await asyncio.sleep(1)...  print('Resuming b')...  return 'B'... >>> async def fun1():...  return_value_a, return_value_b = await asyncio.gather(a(), b())...  print(return_value_a,return_value_b)...  >>> asyncio.run(fun1())Suspending aSuspending bResuming bResuming aA B>>> async def fun2():...  done,pending=await asyncio.wait([a(),b()])...  print(done)...  print(pending)...  task=list(done)[0]...  print(task)...  print(task.result())...  >>> asyncio.run(fun2())Suspending bSuspending aResuming bResuming a{<Task finished coro=<a() done, defined at <input>:1> result='A'>, <Task finished coro=<b() done, defined at <input>:8> result='B'>}set()<Task finished coro=<a() done, defined at <input>:1> result='A'>A

根据上述代码，我们可以看出两者的区别：

asyncio.gather 能收集协程的结果，而且会按照输入协程的顺序保存对应协程的执行结果，而 asyncio.wait 的返回值有两项，第一项是完成的任务列表，第二项表示等待完成的任务列表。

asyncio.wait 支持接受一个参数 return_when ，在默认情况下， asyncio.wait 会等待全部任务完成 (return_when='ALL_COMPLETED') ，它还支持 FIRST_COMPLETED （第一个协程完成就返回）和 FIRST_EXCEPTION （出现第一个异常就返回）：

>>> async def fun2():...  done,pending=await asyncio.wait([a(),b()],return_when=asyncio.tasks.FIRST_COMPLETED)...  print(done)...  print(pending)...  task=list(done)[0]...  print(task)...  print(task.result())...  >>> asyncio.run(fun2())Suspending aSuspending bResuming b{<Task finished coro=<b() done, defined at <input>:8> result='B'>}{<Task pending coro=<a() running at <input>:3> wait_for=<Future pending cb=[<TaskWakeupMethWrapper object at 0x10757bf18>()]>>}<Task finished coro=<b() done, defined at <input>:8> result='B'>B

一般情况下，用 asyncio.gather 就足够了。

asyncio.create_task和loop.create_task以及asyncio.ensure_future

这三种方法都可以创建 Task ,从Python3.7开始可以统一的使用更高阶的 asyncio.create_task .其实 asyncio.create_task 就是用的 loop.create_task . loop.create_task 接受的参数需要是一个协程，但是 asyncio.ensure_future 除了接受协程，还可以是 Future 对象或者 awaitable 对象：

1. 如果参数是协程，其底层使用 loop.create_task ，返回 Task 对象
2. 如果是 Future 对象会直接返回
3. 如果是一个 awaitable 对象，会 await 这个对象的 __await__ 方法，再执行一次 ensure_future ，最后返回 Task 或者 Future 。
   

所以 ensure_future 方法主要就是确保这是一个 Future 对象，一般情况下直接用 asyncio.create_task 就可以了。

注册回调和执行同步代码

可以使用 add_done_callback 来添加成功回调：

def callback(future): print(f'Result: {future.result()}')def callback2(future, n): print(f'Result: {future.result()}, N: {n}')async def funa(): await asyncio.sleep(1) return "funa"async def main(): task = asyncio.create_task(funa()) task.add_done_callback(callback) await task #这样可以为callback传递参数 task = asyncio.create_task(funa()) task.add_done_callback(functools.partial(callback2, n=1)) await taskif __name__ == '__main__': asyncio.run(main())

执行同步代码

如果有同步逻辑，想要用 asyncio 来实现并发，那么需要怎么做呢？下面看看：

def a1(): time.sleep(1) return "A"async def b1(): await asyncio.sleep(1) return "B"async def main(): loop = asyncio.get_running_loop() await asyncio.gather(loop.run_in_executor(None, a1), b1())if __name__ == '__main__': start = time.perf_counter() asyncio.run(main()) print(f'main method Cost: {time.perf_counter() - start}')# 输出： main method Cost: 1.0050589740000002

可以使用 run_into_executor 来将同步函数逻辑转化成一个协程，第一个参数是要传递 concurrent.futures.Executor 实例的，传递 None 会选择默认的 executor 。

总结

以上所述是小编给大家介绍的Python中的asyncio代码详解,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！