0

0

python asyncio如何使用_python asyncio异步编程入门教程

裘德小鎮的故事

裘德小鎮的故事

发布时间:2025-09-14 23:21:01

|

191人浏览过

|

来源于php中文网

原创

事件循环是asyncio核心,负责调度协程、管理任务和处理I/O事件。它通过注册任务、监听事件、调度执行、切换协程及完成任务来实现单线程并发。协程是异步函数,任务包装协程并跟踪状态,Future表示未来结果,Task是其子类。异常处理可通过try-except、gather的return_exceptions或add_done_callback实现。

python asyncio如何使用_python asyncio异步编程入门教程

asyncio 是 Python 用于编写并发代码的库,使用 async/await 语法。它主要解决的问题是在单线程中实现高并发,避免传统多线程带来的资源消耗和上下文切换开销。简单来说,它让你在一个线程里同时做很多事情,提高效率。

asyncio 异步编程入门教程

要理解 asyncio,可以把它想象成一个任务调度员,它负责在不同的任务之间切换,让程序看起来像是同时在执行多个任务。

asyncio 的核心概念包括:事件循环(Event Loop)、协程(Coroutine)、任务(Task)和 Future。

立即学习Python免费学习笔记(深入)”;

事件循环是什么,它如何管理异步任务?

事件循环是 asyncio 的核心。它像一个总调度室,负责监听事件、调度任务。你可以把它想象成一个无限循环,不断地检查是否有任务需要执行。

事件循环管理异步任务的方式大致如下:

  1. 注册任务: 将协程包装成 Task 对象,并添加到事件循环中。
  2. 监听事件: 事件循环会监听各种事件,比如网络 I/O 完成、定时器到期等。
  3. 调度执行: 当事件发生时,事件循环会找到对应的 Task,恢复协程的执行。
  4. 切换任务: 当协程遇到
    await
    关键字时,会暂停执行,将控制权交还给事件循环。事件循环会选择下一个可以执行的 Task 继续执行。
  5. 完成任务: 当协程执行完毕后,Task 对象会标记为已完成,事件循环会移除该 Task。

一个简单的例子:

意兔-AI漫画相机
意兔-AI漫画相机

照片变漫画手绘,做周边好物

下载
import asyncio

async def my_coroutine(delay):
    print(f"Coroutine sleeping for {delay} seconds...")
    await asyncio.sleep(delay)
    print(f"Coroutine finished after {delay} seconds.")
    return f"Result after {delay} seconds"

async def main():
    task1 = asyncio.create_task(my_coroutine(2))
    task2 = asyncio.create_task(my_coroutine(1))

    print("Waiting for tasks to complete...")
    result1 = await task1
    result2 = await task2

    print(f"Task 1 result: {result1}")
    print(f"Task 2 result: {result2}")

if __name__ == "__main__":
    asyncio.run(main())

这段代码创建了两个协程

my_coroutine
,分别休眠 2 秒和 1 秒。
asyncio.create_task
将协程包装成 Task 对象,并添加到事件循环中。
await
关键字用于等待 Task 完成。
asyncio.run(main())
启动事件循环,并执行
main
协程。

协程、任务和 Future 有什么区别,它们在异步编程中扮演什么角色?

  • 协程(Coroutine): 协程是一种特殊的函数,可以使用
    async
    关键字定义。它可以在执行过程中暂停,并在稍后恢复执行。协程是异步编程的基本单元。
  • 任务(Task): 任务是协程的包装器。
    asyncio.create_task
    函数可以将协程包装成 Task 对象,并添加到事件循环中。任务对象可以跟踪协程的状态,比如是否已完成、是否已取消等。
  • Future: Future 代表一个尚未完成的计算结果。它可以被 await,当结果可用时,await 会返回结果。Task 实际上是 Future 的一个子类。

它们之间的关系是:协程定义了异步操作的逻辑,任务负责调度协程的执行,Future 用于获取协程的返回值。

用一个比喻来说,协程是菜谱,任务是厨师,Future 是餐盘。菜谱描述了如何做菜,厨师负责按照菜谱做菜,餐盘用于盛放做好的菜。

如何处理 asyncio 中的异常?

在 asyncio 中,异常处理与同步代码类似,可以使用

try...except
语句。但需要注意的是,如果在协程中发生未捕获的异常,会导致程序崩溃。

以下是一些处理 asyncio 异常的技巧:

  1. 在协程内部捕获异常: 这是最常见的做法,可以在协程内部使用
    try...except
    语句捕获异常,并进行处理。
import asyncio

async def my_coroutine():
    try:
        await asyncio.sleep(1)
        raise ValueError("Something went wrong")
    except ValueError as e:
        print(f"Caught an error: {e}")

async def main():
    await my_coroutine()

if __name__ == "__main__":
    asyncio.run(main())
  1. 使用
    asyncio.gather
    处理多个任务的异常:
    asyncio.gather
    可以同时运行多个任务,并返回一个包含所有任务结果的列表。如果其中一个任务发生异常,
    asyncio.gather
    会抛出该异常。可以使用
    return_exceptions=True
    参数来忽略异常,并将异常作为结果返回。
import asyncio

async def my_coroutine(i):
    await asyncio.sleep(i)
    if i == 2:
        raise ValueError(f"Error in coroutine {i}")
    return f"Result from coroutine {i}"

async def main():
    results = await asyncio.gather(
        my_coroutine(1),
        my_coroutine(2),
        my_coroutine(3),
        return_exceptions=True
    )

    for result in results:
        if isinstance(result, Exception):
            print(f"Caught an error: {result}")
        else:
            print(f"Result: {result}")

if __name__ == "__main__":
    asyncio.run(main())
  1. 使用
    Task.add_done_callback
    注册回调函数:
    可以使用
    Task.add_done_callback
    方法注册一个回调函数,在任务完成时执行。回调函数可以检查任务是否成功完成,并处理异常。
import asyncio

async def my_coroutine():
    await asyncio.sleep(1)
    raise ValueError("Something went wrong")

def callback(task):
    try:
        result = task.result()
        print(f"Task completed with result: {result}")
    except Exception as e:
        print(f"Task failed with error: {e}")

async def main():
    task = asyncio.create_task(my_coroutine())
    task.add_done_callback(callback)
    await asyncio.sleep(2) # Allow time for the task to complete

if __name__ == "__main__":
    asyncio.run(main())

理解并掌握这些概念,就能更好地使用 asyncio 进行异步编程,提高程序的并发性能。

相关文章

python速学教程(入门到精通)
python速学教程(入门到精通)

python怎么学习?python怎么入门?python在哪学?python怎么学才快?不用担心,这里为大家提供了python速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
DeepSeek
DeepSeek

幻方量化公司旗下的开源大模型平台

豆包大模型
豆包大模型

字节跳动自主研发的一系列大型语言模型

WorkBuddy
WorkBuddy

腾讯云推出的AI原生桌面智能体工作台

腾讯元宝
腾讯元宝

腾讯混元平台推出的AI助手

文心一言
文心一言

文心一言是百度开发的AI聊天机器人,通过对话可以生成各种形式的内容。

讯飞写作
讯飞写作

基于讯飞星火大模型的AI写作工具,可以快速生成新闻稿件、品宣文案、工作总结、心得体会等各种文文稿

即梦AI
即梦AI

一站式AI创作平台,免费AI图片和视频生成。

ChatGPT
ChatGPT

最最强大的AI聊天机器人程序,ChatGPT不单是聊天机器人,还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。

相关专题

更多
线程和进程的区别
线程和进程的区别

线程和进程的区别:线程是进程的一部分,用于实现并发和并行操作,而线程共享进程的资源,通信更方便快捷,切换开销较小。本专题为大家提供线程和进程区别相关的各种文章、以及下载和课程。

766

2023.08.10

Python 多线程与异步编程实战
Python 多线程与异步编程实战

本专题系统讲解 Python 多线程与异步编程的核心概念与实战技巧,包括 threading 模块基础、线程同步机制、GIL 原理、asyncio 异步任务管理、协程与事件循环、任务调度与异常处理。通过实战示例,帮助学习者掌握 如何构建高性能、多任务并发的 Python 应用。

377

2025.12.24

java多线程相关教程合集
java多线程相关教程合集

本专题整合了java多线程相关教程,阅读专题下面的文章了解更多详细内容。

33

2026.01.21

C++多线程相关合集
C++多线程相关合集

本专题整合了C++多线程相关教程,阅读专题下面的的文章了解更多详细内容。

31

2026.01.21

C# 多线程与异步编程
C# 多线程与异步编程

本专题深入讲解 C# 中多线程与异步编程的核心概念与实战技巧,包括线程池管理、Task 类的使用、async/await 异步编程模式、并发控制与线程同步、死锁与竞态条件的解决方案。通过实际项目,帮助开发者掌握 如何在 C# 中构建高并发、低延迟的异步系统,提升应用性能和响应速度。

104

2026.02.06

TypeScript类型系统进阶与大型前端项目实践
TypeScript类型系统进阶与大型前端项目实践

本专题围绕 TypeScript 在大型前端项目中的应用展开,深入讲解类型系统设计与工程化开发方法。内容包括泛型与高级类型、类型推断机制、声明文件编写、模块化结构设计以及代码规范管理。通过真实项目案例分析,帮助开发者构建类型安全、结构清晰、易维护的前端工程体系,提高团队协作效率与代码质量。

49

2026.03.13

Python异步编程与Asyncio高并发应用实践
Python异步编程与Asyncio高并发应用实践

本专题围绕 Python 异步编程模型展开,深入讲解 Asyncio 框架的核心原理与应用实践。内容包括事件循环机制、协程任务调度、异步 IO 处理以及并发任务管理策略。通过构建高并发网络请求与异步数据处理案例,帮助开发者掌握 Python 在高并发场景中的高效开发方法,并提升系统资源利用率与整体运行性能。

88

2026.03.12

C# ASP.NET Core微服务架构与API网关实践
C# ASP.NET Core微服务架构与API网关实践

本专题围绕 C# 在现代后端架构中的微服务实践展开,系统讲解基于 ASP.NET Core 构建可扩展服务体系的核心方法。内容涵盖服务拆分策略、RESTful API 设计、服务间通信、API 网关统一入口管理以及服务治理机制。通过真实项目案例,帮助开发者掌握构建高可用微服务系统的关键技术,提高系统的可扩展性与维护效率。

272

2026.03.11

Go高并发任务调度与Goroutine池化实践
Go高并发任务调度与Goroutine池化实践

本专题围绕 Go 语言在高并发任务处理场景中的实践展开,系统讲解 Goroutine 调度模型、Channel 通信机制以及并发控制策略。内容包括任务队列设计、Goroutine 池化管理、资源限制控制以及并发任务的性能优化方法。通过实际案例演示,帮助开发者构建稳定高效的 Go 并发任务处理系统,提高系统在高负载环境下的处理能力与稳定性。

59

2026.03.10

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
【web前端】Node.js快速入门
【web前端】Node.js快速入门

共16课时 | 2.1万人学习

Swoole系列-从0到1-新手进阶
Swoole系列-从0到1-新手进阶

共29课时 | 1.5万人学习

全栈工程师的Node.js之路
全栈工程师的Node.js之路

共141课时 | 34.6万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号