由浅入深走进Python异步编程【asyncio实现】（含代码实例讲解 || coroutine，Task，Future，事件循环）

正文

从底层到第三方库，全面讲解python的异步编程。这节讲述的是asyncio实现异步，详细了解需要配合下一节观看哦。纯干货，无概念，代码实例讲解。

本系列有6章左右，点击头像或者专栏查看更多内容，陆续更新，欢迎关注。

部分资料来源及参考链接：
https://www.bilibili.com/video/BV1Li4y1j7RY/
https://docs.python.org/zh-cn/3.7/library/asyncio-eventloop.html

异步与多线程的区别

那么异步是多线程吗？

异步并不是多线程，只是它自己控制自己，有一个挂起和恢复的操作。例如同步的情况下：A>>>B>>>C>>>D ，B任务非常耗时，此时就可以对B任务进行挂起，先处理C，D任务，当B任务快要完成时再进行恢复从而提高效率。

所以，要记住，异步不是多线程。

asyncio初步代码

asyncio就是python用来编写并发代码的库。开始学习吧

来看一个最简单的吧

import asyncio

async def get_data():#async 只是标记这个函数为异步函数，没实际意义
	return 11

#调用方法一(推荐)

async def main():
	# get_data()		#错误写法  异步函数不能直接调用
	d = await get_data() #await 为等待的意思  
	print(d)

asyncio.run(main())

方法二可以这样：

async def main():
    
    task = asyncio.create_task(get_data())#create_task()作用是在运行某个任务的同时可以并发的运行多个任务
    data = await task 	
    print(data)

asyncio.run(main())

重点：
异步常用于 IO 密集型
用在 CPU 密集型 发挥作用不大

几个专有名词

后面用的比较多，先学习一下
轮询。前面说到了是检测任务状态，而这就是用轮询来实现的，如果需要轮询的状态过多，速度反而会变慢，所以cpu密集型发挥就一般

事件处理程序(Event_handler)：https://en.wikipedia.org/wiki/Event_(computing)#Event_handler
事件循环(Event loop)：https://en.wikipedia.org/wiki/Event_loop
事件驱动的编程(Event-driven programming)：https://en.wikipedia.org/wiki/Event-driven_programming
消息传递接口(Message Passing Interface)：https://en.wikipedia.org/wiki/Message_Passing_Interface
阻塞(Blocking)：https://en.wikipedia.org/wiki/Blocking_(computing)

任务只有两种状态：完成的任务，未完成的任务

协程，Task，Future的区别

import asyncio
async def liangzai():
    print('正在暂停')
    await asyncio.sleep(3)
    print('正在恢复')
    

print('\n普通协程类型：{}'.format(type(liangzai())))#错误写法，但输出了协程类型


one_data = type(asyncio.ensure_future(liangzai()))#
print ('ensure_future类型：{}'.format(one_data))#输出类型

two_data = type(asyncio.Future())#标准future
print('Future类型：{}'.format(two_data))#输出类型

输出结果为：

通过issubclass，可以判断出来，future是task的子类

关系是这样的：

coroutine(协程)：单纯的孤儿,没啥API
Task(任务)：将coroutine(协程)封装起来,提供大量API,用于管理孤儿
 Futrue(未来)：作为Task(任务)的基类,提供大量API,用于管理Task(任务)

如果你要运行单个协程,直接 await coroutine(协程)即可
如果你要并发多个协程,可以 await Task(任务) 或者 await Futrue(未来)

官方推荐：await Task(任务)
官方不推荐日常开发使用：await Futrue(未来),作为基类会暴露大量API

创建Task

跟上面的例子不同，现在已经有更加明了的api来创建Task。
官方链接：
https://docs.python.org/zh-cn/3.7/library/asyncio-task.html#asyncio.create_task

asyncio.create_task(coro)
将 coro 协程 打包为一个 Task 排入日程准备执行。返回 Task 对象。

该任务会在 get_running_loop() 返回的循环中执行，如果当前线程没有在运行的循环则会引发 RuntimeError。

此函数 在 Python 3.7 中被加入。在 Python 3.7 之前，可以改用低层级的 asyncio.ensure_future() 函数。

这里提到了get_running_loop()，也就是前面提到的事件循环相关内容，再来看看这方面资料
官方链接：
https://docs.python.org/zh-cn/3.7/library/asyncio-eventloop.html

asyncio.get_running_loop()
返回当前 OS 线程中正在运行的事件循环。

如果没有正在运行的事件循环则会引发 RuntimeError。 此函数只能由协程或回调来调用。

3.7 新版功能.

asyncio.get_event_loop() 获取当前事件循环。

如果当前 OS 线程没有设置当前事件循环，该 OS 线程为主线程，并且 set_event_loop() 还没有被调用，则 asyncio
将创建一个新的事件循环并将其设为当前事件循环。

由于此函数具有相当复杂的行为（特别是在使用了自定义事件循环策略的时候），更推荐在协程和回调中使用 get_running_loop()
函数而非 get_event_loop()。

应该考虑使用 asyncio.run() 函数而非使用低层级函数来手动创建和关闭事件循环。

事件循环也拿到了，那么如何运行呢？再翻阅一下官方文档，有这些东西

这里，咱就使用loop.run_until_complete来试试

import asyncio

async def get_data():
    print('执行开始\n')
    await asyncio.sleep(1)
    print('执行完毕')
    return 'abc'

loop = asyncio.get_event_loop()
task = loop.create_task(get_data())#作用是在运行某个任务的同时可以并发的运行多个任务

print('\n运行情况：', task)
loop.run_until_complete(task)
print('再看下运行情况：', task)# task存在了result

print('\n我是返回值：{}'.format(task.result()))#读取返回值

loop.close()

执行结果是这样的：

可以看到task有一个状态的变化，从pending到finished，执行完毕后，又多出了一个result的值。

其实此时我们已经在走向底层了，如果你学过《微机原理》，在微机原理中，进程的状态可以分为就绪态（Ready State）、运行态（Running State）和阻塞态（Blocked State），用于描述进程的不同运行情况。是不是觉得有些熟悉呢

协程与异步

现在，我们就可以用异步来再次实现协程了
首先，回忆几个关键点

1. 异步模型是事件驱动模型的基础
2. 异步活动的执行模型可以只有一个单一的主控制流
3. 能在单核心系统和多核心中运行，在并发执行的异步模型中，许多任务被穿插在同一时间线上，所有的任务都有一个控制流执行(单一线程)

事件驱动表示，是由于某种事件，才会有阻塞恢复行为。重要的是，它是一个单一线程，千万不能和多线程搞混了。只是在阻塞空闲的时候做额外的事。

来看看下面的代码：

import asyncio
import time

async def get_data(i):
	print('正在执行：{}'.format(i))
	await asyncio.sleep(3)#异步睡眠时间
	print('执行完毕：{}'.format(i))

if __name__ == '__main__':

    start_time = time.time()#程序启动时间
    loop = asyncio.get_event_loop()#获取本机事件循环
    
    tasks = [loop.create_task(get_data(i)) for i in range(4)]#生成4个任务

    
    loop.run_until_complete(asyncio.wait(tasks))# run_until_complete()直到所有循环  循环结束     
                                                # asyncio.wait()为等待任务                         
    loop.close()#事件循环关闭
    print('程序总耗时：{}'.format(time.time() - start_time))

上述的代码，你觉得运行结果应该是什么呢？

运行结果如下：

如果是顺序结构，那么3*4应该运行时间为12秒，但是这里为3秒多，说明异步确实提高了效率。同时后面执行完毕的顺序也表明，任务实现了挂起，没有顺序执行。

协程的初步实现就完成了。

获取异步返回值

上述的例子，我们初步实现了协程。但是协程中产生的错误，在批量提交任务时，我们要如何捕获呢？

import asyncio
import time

#定义异步函数
async def get_data(i):
    print('正在执行：',i)
    await asyncio.sleep(3)
    print('执行完毕：',i)
    return '返回值：{}'.format(i) 

if __name__ == '__main__':

    start_time = time.time()#程序启动时间

    loop = asyncio.get_event_loop()#获取本机事件循环
    tasks = [loop.create_task(get_data(i)) for i in range(4)]
 
    loop.run_until_complete(asyncio.wait(tasks))
    print()
    for task in tasks:
        print(task.result())
                           
    loop.close()#事件循环关闭
    print('程序总耗时：{}'.format(time.time() - start_time))

其实，就变化了一点点。在异步函数中，出现了return关键字，同时可以使用tasks的result方法拿出值。这个原理前面也说了，其实就是产生了StopIteration，然后对返回值进行了捕获。

这里有一个细节，如果设置的沉睡时间是特殊的，你会发现，无论运行多少次，某些任务的完成时间，总是较快的。其实通过这个，就可以控制任务执行的优先级，很多框架也叫权重。

Lock锁

异步当然也是可以上锁的，用于保证同一时间的单一协程的独立资源访问。
官方链接：
https://docs.python.org/zh-cn/3.7/library/asyncio-sync.html#lock

总共有三个方法，非常简单。

acquire() #获取锁
release() #解除锁
locked() #返回布尔值，表示当前锁的状态

使用上下文管理器，来完成自动开关锁。

lock = asyncio.Lock()

# ... later
async with lock:
	xxxxx

这就等价于

lock = asyncio.Lock()

# ... later
await lock.acquire()
try:
    # access shared state
finally:
    lock.release()