Python协程 & 异步编程(asyncio) 入门介绍
本文首发于：行者AI
在近期的编码工作过程中遇到了async和await装饰的函数，查询资料后了解到这种函数是基于协程的异步函数。这类编程方式称为异步编程，常用在IO较频繁的系统中，如：Tornado web框架、文件下载、网络爬虫等应用。协程能够在IO等待时间就去切换执行其他任务，当IO操作结束后再自动回调，那么就会大大节省资源并提供性能。接下来便简单的讲解一下异步编程相关概念以及案例演示。
1. 协程简介
1.1 协程的含义及实现方法
协程（Coroutine），也可以被称为微线程，是一种用户态内的上下文切换技术。简而言之，其实就是通过一个线程实现代码块相互切换执行。例如：
def func1():
print(1)
... # 协程介入
print(2)
def func2():
print(3)
... # 协程介入
print(4)
func1()
func2()
上述代码是普通的函数定义和执行，按流程分别执行两个函数中的代码，并先后会输出：1、2、3、4。但如果介入协程技术那么就可以实现函数见代码切换执行，最终输入：1、3、2、4 。
在Python中有多种方式可以实现协程，例如：
-
greenlet，是一个第三方模块，用于实现协程代码（Gevent协程就是基于greenlet实现）；
-
yield，生成器，借助生成器的特点也可以实现协程代码；
-
asyncio，在Python3.4中引入的模块用于编写协程代码；
-
async & awiat，在Python3.5中引入的两个关键字，结合asyncio模块可以更方便的编写协程代码。
前两种实现方式较为老旧，所以重点关注后面的方式
标准库实现方法
asyncio是Python 3.4版本引入的标准库，直接内置了对异步IO的支持。
import asyncio
@asyncio.coroutine
def func1():
print(1)
yield from asyncio.sleep(2) # 遇到IO耗时操作，自动化切换到tasks中的其他任务
print(2)
@asyncio.coroutine
def func2():
print(3)
yield from asyncio.sleep(2) # 遇到IO耗时操作，自动化切换到tasks中的其他任务
print(4)
tasks = [
asyncio.ensure_future( func1() ),
asyncio.ensure_future( func2() )
]
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))
关键字实现方法
async & await 关键字在Python3.5版本中正式引入，代替了asyncio.coroutine 装饰器，基于他编写的协程代码其实就是上一示例的加强版，让代码可以更加简便可读。
import asyncio
async def func1():
print(1)
await asyncio.sleep(2) # 耗时操作
print(2)
async def func2():
print(3)
await asyncio.sleep(2) # 耗时操作
print(4)
tasks = [
asyncio.ensure_future(func1()),
asyncio.ensure_future(func2())
]
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))
1.2 案例演示
例如：用代码实现下载 url_list 中的图片。
- 方式一：同步编程实现
# requests库仅支持同步的http网络请求
import requests
def download_image(url):
print("开始下载:",url)
# 发送网络请求，下载图片
response = requests.get(url)
# 图片保存到本地文件
file_name = url.rsplit('_')[-1]
with open(file_name, mode='wb') as file_object:
file_object.write(response.content)
print("下载完成")
if __name__ == '__main__':
url_list = [
'https://www.1.jpg',
'https://www.2.jpg',
'https://www.3.jpg'
]
for item in url_list:
download_image(item)
输出：按顺序发送请求，请求一次下载一张图片，假如每次下载花费1s，完成任务需要3s 以上。
- 方式二：基于协程的程实现
# aiohttp 为支持异步编程的http请求库
import aiohttp
import asyncio
async def fetch(session, url):
print("发送请求：", url)
async with session.get(url, verify_ssl=False) as response:
content = await response.content.read()
file_name = url.rsplit('_')[-1]
with open(file_name, mode='wb') as file_object:
file_object.write(content)
async def main():
async with aiohttp.ClientSession() as session:
url_list = [
'https://www.1.jpg',
'https://www.2.jpg',
'https://www.3.jpg'
]
tasks = [asyncio.create_task(fetch(session, url)) for url in url_list]
await asyncio.wait(tasks)
if __name__ == '__main__':
asyncio.run(main())
输出：一次发送三个下载请求，同时下载，假如每次下载花费1s，完成任务仅需要1s 左右，第一种方法的耗时为第二种的三倍。
1.3 小结
协程可以让原来要使用异步+回调方式写的非人类代码，用看似同步的方式写出来。
2. 异步编程简介
2.1 同步和异步的区别
同步 ：循序渐进执行操作、请求
异步：无需等待上一步操作、请求完成，就开始下一步（每个操作仍然有先后顺序）
目前python异步相关的主流技术是通过包含关键字async&await的async模块实现。
2.2 异步编程-事件循环
事件循环，可以把他当做是一个while循环，这个while循环在周期性的运行并执行一些任务，在特定条件下终止循环。
# 伪代码
任务列表 = [ 任务1, 任务2, 任务3,... ]
while True:
可执行的任务列表，已完成的任务列表 = 去任务列表中检查所有的任务，将'可执行'和'已完成'的任务返回
for 就绪任务 in 已准备就绪的任务列表:
执行已就绪的任务
for 已完成的任务 in 已完成的任务列表:
在任务列表中移除 已完成的任
如果 任务列表 中的任务都已完成，则终止循环
在编写程序时候可以通过如下代码来获取和创建事件循环。
# 方式一：
import asyncio
# 生成或获取一个事件循环
loop = asyncio.get_event_loop()
# 将任务添加到事件循环中
loop.run_until_complete(任务)
# 方式二（python3.7及以上版本支持）：
asyncio.run( 任务 )
2.3 异步编程-快速上手
async 关键字
- 协程函数：定义函数时候由async关键字装饰的函数
async def 函数名 - 协程对象：执行协程函数得到的协程对象。
# 协程函数
async def func():
pass
# 协程对象
result = func()
注意：执行协程函数只会创建协程对象，函数内部代码不会执行。如果想要运行协程函数内部代码，必须要将协程对象交给事件循环来处理。
import asyncio
async def func():
print("执行协程函数内部代码！")
result = func()
# 调用方法1：
# loop = asyncio.get_event_loop()
# loop.run_until_complete( result )
# 调用方法2：
asyncio.run( result )
await 关键字
await + 可等待的对象（协程对象、Future、Task对象 -> IO等待），遇到IO操作挂起当前协程（任务），等IO操作完成之后再继续往下执行。当前协程挂起时，事件循环可以去执行其他协程（任务）。
import asyncio
async def others():
print("start")
await asyncio.sleep(2)
print('end')
return '返回值'
async def func():
print("执行协程函数内部代码")
# await等待对象的值得到结果之后再继续向下走
response = await others()
print("IO请求结束，结果为：", response)
asyncio.run( func() )
Task 对象
Task对象的作用是在事件循环中添加多个任务，用于并发调度协程，通过asyncio.create_task(协程对象)的方式创建Task对象，这样可以让协程加入事件循环中等待被调度执行。
async def module_a():
print("start module_a")
await asyncio.sleep(2) # 模拟 module_a 的io操作
print('end module_a')
return 'module_a 完成'
async def module_b():
print("start module_b")
await asyncio.sleep(1) # 模拟 module_a 的io操作
print('end module_b')
return 'module_b 完成'
task_list = [
module_a(),
module_b(),
]
done,pending = asyncio.run( asyncio.wait(task_list) )
print(done)
2.4 案例演示
例如：用代码实现连接并查询数据库的同时，下载一个APK文件到本地。
import asyncio
import aiomysql
import os
import aiofiles as aiofiles
from aiohttp import ClientSession
async def get_app():
url = "http://www.123.apk"
async with ClientSession() as session:
# 网络IO请求，获取响应
async with session.get(url)as res:
if res.status == 200:
print("下载成功", res)
# 磁盘IO请求，读取响应数据
apk = await res.content.read()
async with aiofiles.open("demo2.apk", "wb") as f:
# 磁盘IO请求，数据写入本地磁盘
await f.write(apk)
else:
print("下载失败")
async def excute_sql(sql):
# 网络IO操作：连接MySQL
conn = await aiomysql.connect(host='127.0.0.1', port=3306, user='root', password='123', db='mysql', )
# 网络IO操作：创建CURSOR
cur = await conn.cursor()
# 网络IO操作：执行SQL
await cur.execute(sql)
# 网络IO操作：获取SQL结果
result = await cur.fetchall()
print(result)
# 网络IO操作：关闭链接
await cur.close()
conn.close()
task_list = [get_app(), execute_sql(sql="SELECT Host,User FROM user")]
asyncio.run(asyncio.wait(task_list))
代码逻辑分析：
【step1】asyncio.run()创建了事件循环。wait()方法将task任务列表加入到当前的事件循环中；（注意：必须先创建事件循环，后加入任务列表，否则会报错）
【step2】事件循环监听事件状态，开始执行代码，先执行列表中的get_app()方法，当代码执行到async with session.get(url)as res:时，遇到await关键字表示有IO耗时操作，线程会将该任务挂起在后台执行，并切换到另外一个异步函数excute_sql()；
【step3】当代码执行到excute_sql()的第一个IO耗时操作后，线程会重复先前的操作，将该任务挂起，去执行其他可执行代码。假如此时事件循环监听到get_app()中的第一IO耗时操作已经执行完成，那么线程会切换到该方法第一个IO操作后的代码，并按顺序执行直到遇上下一个await装饰的IO操作；假如事件循环监听到excute_sql()中的第一个IO操作先于get_app()的第一个IO操作完成，那么线程会继续执行excute_sql的后续代码；
【step4】线程会重复进行上述第3点中的步骤，直到代码全部执行完成，事件循环也会随之停止。
2.5 小结
一般来说CPU的耗时运算方式有：
计算密集型的操作：计算密集型任务的特点是要进行大量的计算、逻辑判断，消耗CPU资源，比如计算圆周率、对视频进行高清解码等等。
IO密集型的操作：涉及到网络、磁盘IO的任务都是IO密集型任务，这类任务的特点是CPU消耗很少，任务的大部分时间都在等待IO操作完成（因为IO的速度远远低于CPU和内存的速度）。
异步编程基于协程实现，如果利用协程实现计算密集型操作，因为线程在上下文之间的来回切换总会经历类似于”计算“-->”保存“-->”创建新环境“ 的一系列操作，导致系统的整体性能反而会下降。所以异步编程并不适用于计算密集型的程序。然而在IO密集型操作汇总，协程在IO等待时间就去切换执行其他任务，当IO操作结束后再自动回调，那么就会大大节省资源并提供性能。
PS：更多技术干货，快关注【公众号 | xingzhe_ai】，与行者一起讨论吧！
