在编程世界中，“非阻塞”的概念无处不在。 JavaScript 开发人员经常使用术语“异步”，因为它是 JavaScript 的优势之一。然而，要真正理解异步编程，必须掌握并发和并行编程的概念。

并发编程

当多个独立实体同时工作时，编程是并发的。这并不一定意味着这些任务在完全相同的时间运行。相反，它意味着任务通过共享资源（例如 CPU 时间）随着时间的推移不断取得进展。并发编程的主要优点是它的鲁棒性：如果一个进程崩溃，程序的其余部分继续运行。

并行编程

如果一个算法可以将其工作分成几个部分，那么它就是并行的。拥有的处理器越多，您从并行性中受益就越多。高效的并行编程可优化现代机器的资源以获得更好的性能。

用 Cooking 说明并发与并行

并发示例：

想象一下，您正在准备一顿饭，需要烤一些肉并制作酱汁。首先将肉放在烤架上。当肉烤的时候，你可以把西红柿和其他蔬菜切碎作为酱汁。然后，你开始煮酱汁，同时偶尔检查一下肉。在这里，两项任务（烤肉和制作酱汁）都在进行中，但您正在它们之间切换注意力。这代表并发。

并行度示例：

现在，假设您有一位朋友可以帮助您。当您专注于烤肉时，您的朋友则负责制作酱汁。这两项任务同时完成，无需在它们之间切换注意力。这代表并行性。

什么是异步编程？

异步编程涉及处理程序外部发生的输入/输出 (I/O) 操作，例如用户输入、打印到终端、从套接字读取或写入磁盘。异步 I/O 的关键特性是：

• 操作所花费的时间与CPU无关。相反，它取决于磁盘速度、网络延迟和其他外部条件等因素。

• 程序无法预测操作何时结束。

对于具有大量 I/O 的服务（如 Web 服务器、数据库和部署脚本），优化这些操作可以极大地提高性能。

让我们看看阻塞代码和非阻塞代码的示例。

阻塞和非阻塞代码示例

考虑一个简单的程序：

import time

def task():
    time.sleep(2)
    print("Hello")

for _ in range(3):
    task()

在这个同步程序中，每个任务都会等待前一个任务完成，从而导致延迟。

现在，让我们看一下使用 asyncio 的异步版本：

import asyncio

async def task():
    await asyncio.sleep(2)
    print("Hello")

async def main():
    tasks = [task() for _ in range(3)]
    await asyncio.gather(*tasks)

asyncio.run(main())

在这个异步程序中，任务同时运行，减少了总执行时间。让我们探索一下异步编程的组成部分。

异步编程的组成部分

事件循环、协程和 future 是异步 Python 程序的基本元素。

• 事件循环：管理任务切换和执行流程，跟踪要异步运行的任务。

• 协程： 可以暂停和恢复的特殊功能，允许在等待期间运行其他任务。协程指定任务切换事件应在函数中发生的位置，将控制权返回给事件循环。协程通常由事件循环创建并内部存储在任务队列中。

• Futures： 协程结果的占位符，存储结果或异常。一旦事件循环启动一个协程，就会创建一个相应的 future 来存储协程的结果，如果在协程执行期间抛出异常，则会创建一个异常。

解释完 Python 异步编程的关键部分后，让我们编写一些代码。

编写异步代码

现在您已经了解了异步编程模式，让我们编写一个小脚本并分析执行情况。这是一个简单的异步脚本：

import asyncio

async def task():
    await asyncio.sleep(2)
    print("Hello")

async def main():
    tasks = [task() for _ in range(3)]
    await asyncio.gather(*tasks)

asyncio.run(main())

在上面的代码中，即使另一个正在执行的任务正在休眠（阻塞），我们也尝试继续执行其他任务。注意任务和主要函数前面的 async 关键字。

这些函数现在是协程。

Python 中的协程函数前面带有关键字 async。这里的 main() 函数是任务协调器或我们的单个事件循环，因为它使用 async.gather 方法执行所有任务。 asyncio.gather 函数同时运行可等待对象。

输出：

Hello
Hello
Hello
Program executed in 2.01 seconds.

当每个任务到达await asyncio.sleep(2)时，它只是转到下一个任务并在完成时返回。这就像说，“我要睡 2 秒钟。做点别的事。”

让我们看看同步版本以便快速比较。

import time

def task():
    time.sleep(2)
    print("Hello")

for _ in range(3):
    task()

在上面的代码中，我们将采用传统的Python编程方式。您会注意到该过程的执行将花费更多时间。

输出：

Hello
Hello
Hello
Program executed in 6.01 seconds.

现在您可以注意到执行时间了。将 time.sleep() 视为阻塞任务，将 asyncio.sleep() 视为非阻塞或长时间任务。在异步编程中，等待某些内容（例如 asyncio.sleep()）的好处是，周围的函数可以暂时将控制权交给另一个准备立即执行的函数。

了解了 Python 异步编程的一些基本示例后，让我们探索一下 Python 异步编程的规则。

异步编程规则

1. 协程：协程不能直接执行。如果您尝试直接运行协程函数，它将返回一个协程对象。相反，使用 asyncio.run():
   

   import asyncio
   
   async def hello():
       await asyncio.sleep(1)
       print('Hello')
   
   asyncio.run(hello())
   

2. 可等待对象： 协程、future 和任务是主要的可等待对象。 Python 协程是可等待的，并且可以被其他协程等待。

3. Await 关键字：await 只能在异步函数中使用。
   

   async def hello():
       await asyncio.sleep(1)
       print("Hello")
   

4. 兼容性：并非所有Python模块都与异步编程兼容。例如，将await asyncio.sleep() 替换为time.sleep() 将导致错误。您可以在此处查看兼容和维护的模块列表。

在下一节中，我们将探讨异步编程的常见用法，HTTP 请求。

程序示例：异步请求

我们看下面这段代码：

import aiohttp
import asyncio

async def fetch(session, city):
    url = f"https://www.prevision-meteo.ch/services/json/{city}"
    async with session.get(url) as response:
        data = await response.json()
        print(f"Temperature at {city}: {data['current_condition']['tmp']} C")

async def main():
    async with aiohttp.ClientSession() as session:
        cities = ['paris', 'toulouse', 'marseille']
        tasks = [fetch(session, city) for city in cities]
        await asyncio.gather(*tasks)

asyncio.run(main())

在上面的代码中，我们创建了两个异步函数：一个用于从 prevision-meteo URL 获取数据，另一个主函数用于执行 Python 代码中的进程。目标是发送异步 HTTP GET 请求来检索温度并打印响应。

在main和fetch函数中，我们使用async with。在 fetch 函数中，async with 确保连接正确关闭。在 main 函数中，它确保 ClientSession 在完成请求后关闭。这些实践对于 Python 中的异步编码以有效管理资源并防止泄漏非常重要。

在main函数的最后一行，我们使用await asyncio.gather(*tasks)。在我们的例子中，它同时运行所有任务，允许程序同时发送多个 HTTP 请求。使用await 可确保程序等待所有任务完成后再继续。

输出：

Temperature at marseille: 25 C
Temperature at toulouse: 24 C
Temperature at paris: 18 C
Program executed in 5.86 seconds.

用于比较的同步版本

代码：

import requests
import time

def fetch(city):
    url = f"https://www.prevision-meteo.ch/services/json/{city}"
    response = requests.get(url)
    data = response.json()
    print(f"Temperature at {city}: {data['current_condition']['tmp']} C")

def main():
    cities = ['paris', 'toulouse', 'marseille']
    for city in cities:
        fetch(city)

start_time = time.time()
main()
print(f"Program executed in {time.time() - start_time:.2f} seconds.")

输出：

Temperature at Paris: 18 C
Temperature at Toulouse: 24 C
Temperature at Marseille: 25 C
Program executed in 9.01 seconds.

何时使用异步编程

异步模型在以下情况下表现最佳：

• 任务数量较多，保证至少有一个任务可以一直进行。

• 任务涉及大量 I/O，导致异步程序在其他任务可以运行时浪费大量时间进行阻塞。

• 任务在很大程度上是独立的，最大限度地减少任务间通信（因此一个任务等待另一任务）。

结论

在本教程中，我们介绍了：

• 异步编程的概念及相关概念。

• async/await的有效使用。

• 使用 aiohttp 发出异步 HTTP 请求。

• 异步编程的好处。

感谢您的阅读。第二部分将介绍 Django 的异步编程。

资源

• Python 文档：协程和任务

• Python 文档：asyncio - 异步 I/O

• aiohttp 文档

• Aio 库

• 并发与并行