關于我
一個有思想的程序猿，終身學習實踐者，目前在一個創業團隊任team lead，技術棧涉及Android、Python、Java和Go，這個也是我們團隊的主要技術棧。
Github：https://github.com/hylinux1024
微信公眾號：終身開發者(angrycode)

在前一篇《一文徹底搞懂Python可迭代(Iterable)、迭代器(Iterator)和生成器(Generator)的概念》 的文中，知道生成器( Generator )可由以下兩種方式定義：

• 列表生成器
• 使用 yield 定義的函數

在 Python 早期的版本中協程也是通過生成器來實現的，也就是基于生成器的協程（Generator-based Coroutines）。在前一篇介紹生成器的文章末尾舉了一個生產者-消費者的例子，就是基于生成器的協程來實現的。

            
              def producer(c):
    n = 0
    while n < 5:
        n += 1
        print('producer {}'.format(n))
        r = c.send(n)
        print('consumer return {}'.format(r))

def consumer():
    r = ''
    while True:
        n = yield r
        if not n:
            return
        print('consumer {} '.format(n))
        r = 'ok'

if __name__ == '__main__':
    c = consumer()
    next(c)  # 啟動consumer
    producer(c)
            
          

看了這段代碼，相信很多初學者和我一樣對基于生成器的協程實現其實很難馬上就能夠根據業務寫出自己的協程代碼。 Python 實現者們也注意到這個問題，因為它太不 Pythonic 了。而基于生成器的協程也將被廢棄，因此本文將重點介紹 asyncio 包的使用，以及涉及到的一些相關類概念。
注：我使用的 Python 環境是3.7。

0x00 何為協程(Coroutine)

協程( Coroutine )是在線程中執行的，可理解為微線程，但協程的切換沒有上下文的消耗，它比線程更加輕量些。一個協程可以隨時中斷自己讓另一個協程開始執行，也可以從中斷處恢復并繼續執行，它們之間的調度是由程序員來控制的（可以看本文開篇處生產者-消費者的代碼）。

定義一個協程

在 Python 3.5+版本新增了 aysnc 和 await 關鍵字，這兩個語法糖讓我們非常方便地定義和使用協程。
在函數定義時用 async 聲明就定義了一個協程。

            
              import asyncio

# 定義了一個簡單的協程
async def simple_async():
    print('hello')
    await asyncio.sleep(1) # 休眠1秒
    print('python')

# 使用asynio中run方法運行一個協程
asyncio.run(simple_async())

# 執行結果為
# hello
# python
            
          

在協程中如果要調用另一個協程就使用 await 。 要注意 await 關鍵字要在 async 定義的函數中使用，而反過來 async 函數可以不出現 await

            
              # 定義了一個簡單的協程
async def simple_async():
    print('hello')

asyncio.run(simple_async())

# 執行結果
# hello
            
          

asyncio.run() 將運行傳入的協程，負責管理 asyncio 事件循環。
除了 run() 方法可直接執行協程外，還可以使用事件循環 loop

            
              async def do_something(index):
    print(f'start {time.strftime("%X")}', index)
    await asyncio.sleep(1)
    print(f'finished at {time.strftime("%X")}', index)

def test_do_something():
    # 生成器產生多個協程對象
    task = [do_something(i) for i in range(5)]

    # 獲取一個事件循環對象
    loop = asyncio.get_event_loop()
    # 在事件循環中執行task列表
    loop.run_until_complete(asyncio.wait(task))
    loop.close()

test_do_something()

# 運行結果
# start 00:04:03 3
# start 00:04:03 4
# start 00:04:03 1
# start 00:04:03 2
# start 00:04:03 0
# finished at 00:04:04 3
# finished at 00:04:04 4
# finished at 00:04:04 1
# finished at 00:04:04 2
# finished at 00:04:04 0
            
          

可以看出幾乎同時啟動了所有的協程。
其實翻閱源碼可知 asyncio.run() 的實現也是封裝了 loop 對象及其調用。而 asyncio.run() 每次都會創建一個新的事件循環對象用于執行協程。

0x01 Awaitable對象

在 Python 中可等待( Awaitable )對象有：協程( corountine )、任務( Task )、 Future 。即這些對象可以使用 await 關鍵字進行調用

            
              await awaitable_object
            
          

1. 協程(Coroutine)

協程由 async def 聲明定義，一個協程可由另一個協程使用 await 進行調用

            
              async def nested():
    print('in nested func')
    return 13

async def outer():

    # 要使用await 關鍵字 才會執行一個協程函數返回的協程對象
    print(await nested())

asyncio.run(outer())

# 執行結果
# in nested func
# 13
            
          

如果在 outer() 方法中直接調用 nested() 而不使用 await ,將拋出一個 RuntimeWarning

            
              async def outer():
    # 直接調用協程函數不會發生執行，只是返回一個 coroutine 對象
    nested()

asyncio.run(outer())
            
          

運行程序，控制臺將輸出以下信息

            
              RuntimeWarning: coroutine 'nested' was never awaited
  nested()
RuntimeWarning: Enable tracemalloc to get the object allocation traceback
            
          

2. 任務(Task)

任務( Task )是可以用來 并發地 執行協程。可以使用 asyncio.create_task() 將一個協程對象封裝成任務，該任務將很快被排入調度隊列并執行。

            
              async def nested():
    print('in nested func')
    return 13

async def create_task():
    # create_task 將一個協程對象打包成一個 任務時，該協程就會被自動調度運行
    task = asyncio.create_task(nested())
    # 如果要看到task的執行結果
    # 可以使用await等待協程執行完成，并返回結果
    ret = await task
    print(f'nested return {ret}')

asyncio.run(create_task())

# 運行結果
# in nested func
# nested return 13
            
          

注：關于并發下文還會詳細說明。

3. Future

Future 是一種特殊的低層級( low-level )對象，它是異步操作的最終結果( eventual result )。
當一個 Future 對象 被等待，這意味著協程將保持等待直到該 Future 對象在其他地方操作完畢。

通常在應用層代碼不會直接創建 Future 對象。在某些庫和 asyncio 模塊中的會使用到該對象。

            
              async def used_future_func():
    await function_that_returns_a_future_object()
            
          

0x02 并發

1. Task

前面我們知道 Task 可以并發地執行。 asyncio.create_task() 就是一個把協程封裝成 Task 的方法。

            
              async def do_after(what, delay):
    await asyncio.sleep(delay)
    print(what)

# 利用asyncio.create_task創建并行任務
async def corun():
    task1 = asyncio.create_task(do_after('hello', 1)) # 模擬執行1秒的任務
    task2 = asyncio.create_task(do_after('python', 2)) # 模擬執行2秒的任務

    print(f'started at {time.strftime("%X")}')
    # 等待兩個任務都完成，兩個任務是并行的，所以總時間兩個任務中最大的執行時間
    await task1
    await task2

    print(f'finished at {time.strftime("%X")}')

asyncio.run(corun())

# 運行結果
# started at 23:41:08
# hello
# python
# finished at 23:41:10
            
          

task1 是一個執行1秒的任務， task2 是一個執行2秒的任務，兩個任務并發的執行，總共消耗2秒。

2. gather

除了使用 asyncio.create_task() 外還可以使用 asyncio.gather() ，這個方法接收協程參數列表

            
              async def do_after(what, delay):
    await asyncio.sleep(delay)
    print(what)

async def gather():
    print(f'started at {time.strftime("%X")}')
    # 使用gather可將多個協程傳入
    await asyncio.gather(
        do_after('hello', 1),
        do_after('python', 2),
    )
    print(f'finished at {time.strftime("%X")}')

asyncio.run(gather())

# 運行結果
# started at 23:47:50
# hello
# python
# finished at 23:47:52
            
          

兩個任務消耗的時間為其中消耗時間最長的任務。

0x03 引用

1. https://docs.python.org/3/library/asyncio-task.html