asyncio实例集锦，Async的使用

在Python的异步编程生态中，asyncio无疑是最核心的基础设施，它不仅为协程（Coroutine）、事件循环（Event Loop）、任务（Task）等异步核心概念提供了官方实现，还搭建起了一套完整的异步IO调度框架，让开发者可以用同步代码的书写风格实现高并发的IO密集型任务处理。很多人初识asyncio时总会被它“看起来像同步，实际是异步”的特性迷惑，甚至误以为只要加上async/await关键字就能让程序自动变快，却忽略了异步编程的本质是让事件循环在IO等待的间隙自动切换任务，从而最大化CPU利用率，真正的性能提升只在存在大量IO等待的场景下才能体现出来。

要真正掌握asyncio的使用，先从最基础的协程定义与运行开始理解最为合适。在Python中，只要在函数定义前加上async关键字，这个函数就会变成一个协程函数，直接调用它不会执行函数体内的代码，而是返回一个协程对象，必须交由事件循环调度才能运行。比如我们可以定义一个简单的异步函数，用asyncio.sleep模拟IO等待，再通过事件循环运行它：

```python

import asyncio

async def say_after(delay, content):

await asyncio.sleep(delay)

print(content)

async def main():

print("开始执行主协程")

await say_after(1, "第一秒输出的内容")

await say_after(2, "第二秒输出的内容")

print("主协程执行结束")

asyncio.run(main())

```

这段代码的总执行时间大约是3秒，因为两个say_after是顺序await的，前一个执行完后一个才会开始，这和同步代码的执行逻辑没有区别，很多初学者到这里会觉得asyncio并没有什么用，其实是因为还没有用到任务（Task）的概念。

asyncio中的Task是对协程的封装，它会把协程提交给事件循环，让事件循环在后续的调度中自动执行它，相当于把协程变成了一个“后台运行”的异步任务。如果我们把上面的代码改造成用Task来包裹两个say_after协程，执行效率就会完全不同：

```python

async def main():

print("开始执行主协程")

task1 = asyncio.create_task(say_after(1, "第一秒输出的内容"))

task2 = asyncio.create_task(say_after(2, "第二秒输出的内容"))

await task1

await task2

print("主协程执行结束")

```

这时候程序的总执行时间大约只有2秒，因为两个任务是并发运行的，事件循环在task1等待sleep的间隙会切换到task2执行，两个任务的等待时间重叠在了一起，这就是asyncio并发能力的核心体现。在实际开发中，我们常常会用asyncio.create_task批量创建多个任务，再用asyncio.gather统一等待所有任务完成，gather不仅可以收集所有任务的返回值，还支持设置return_exceptions参数来处理任务异常，避免单个任务失败导致整个并发组崩溃。

除了基础的任务并发，asyncio还提供了很多实用的高级API，用来处理更复杂的异步场景。比如asyncio.wait可以同时等待多个任务，并且支持按完成条件返回，比如FIRST_COMPLETED（第一个任务完成就返回）、FIRST_EXCEPTION（第一个任务抛出异常就返回）、ALL_COMPLETED（所有任务完成才返回），这在需要实现“超时放弃”或者“竞速查询”的场景下非常有用。举个例子，我们要同时向三个不同的接口请求同一个数据，哪个接口先返回就用哪个的结果，剩下的请求直接取消，就可以用asyncio.wait配合FIRST_COMPLETED来实现：

```python

async def fetch_from_api(api_url, delay):

await asyncio.sleep(delay)

return f"来自{api_url}的结果"

async def main():

tasks = [

asyncio.create_task(fetch_from_api("api1.com", 2)),

asyncio.create_task(fetch_from_api("api2.com", 1)),

asyncio.create_task(fetch_from_api("api3.com", 3)),

]

done, pending = await asyncio.wait(tasks, return_when=asyncio.FIRST_COMPLETED)

for task in pending:

task.cancel()

for task in done:

print("最快的结果：", task.result())

asyncio.run(main())

```

这段代码只会运行大约1秒，就会拿到api2.com的结果，剩下的两个任务会被主动取消，不会继续占用资源，这种模式在微服务架构的降级策略中经常会用到。

另一个非常实用的asyncio功能是异步上下文管理器和异步迭代器，它们分别对应async with和async for语法，让资源的异步获取与释放、数据的异步遍历变得和同步代码一样简洁。比如常用的异步HTTP客户端aiohttp，就是通过异步上下文管理器来管理客户端会话和请求的，我们可以用它来实现批量并发爬取网页的功能：

```python

import aiohttp

async def fetch_page(session, url):

async with session.get(url) as response:

return await response.text()

async def main():

urls = [

"https://www.example.com",

"https://www.python.org",

"https://www.github.com",

]

async with aiohttp.ClientSession() as session:

tasks = [asyncio.create_task(fetch_page(session, url)) for url in urls]

results = await asyncio.gather(*tasks)

for url, html in zip(urls, results):

print(f"{url} 页面长度：{len(html)}")

asyncio.run(main())

```

在这个例子中