Python异步编程：asyncio库实战应用
(5) feilong.org 修订于2026-10-03 16:58:20 python教程异步编程与asyncio简介
Python的asyncio库是实现异步编程的核心工具，它基于协程（coroutine）模型提供事件循环、任务调度和异步I/O支持。通过异步编程，开发者可以编写高并发、高性能的应用程序，尤其适用于网络请求、数据处理等IO密集型场景。
核心概念解析
1. async/await语法
- async定义协程函数，使其进入挂起状态
- await用于等待协程执行完成，释放CPU资源
|
1 |
python
async def fetch_data():
print("开始请求数据")
await asyncio.sleep(1) 模拟IO操作
print("数据获取成功")
|
1 2 |
2. 事件循环（Event Loop） - 管理协程的执行和调度，是异步程序的核心 |
python
async def main():
task1 = asyncio.create_task(fetch_data())
task2 = asyncio.create_task(fetch_data())
await task1
await task2
if name == "main":
asyncio.run(main()) Python 3.7+推荐方式
|
1 2 3 4 5 6 |
3. 任务（Task）与未来（Future） - <em>Task</em>是协程的封装，用于调度和取消 - <em>Future</em>表示一个尚未完成的操作，可通过<em>await</em>获取结果 实战案例：并发网络请求 使用<em>aiohttp</em>库实现多URL并发下载，对比同步/异步性能差异： |
python
import aiohttp
import asyncio
async def fetch(session, url):
async with session.get(url) as response:
return await response.text()
async def main():
urls = ["https://example.com"] * 10 模拟10次请求
async with aiohttp.ClientSession() as session:
tasks = [fetch(session, url) for url in urls]
results = await asyncio.gather(*tasks)
print(f"获取{len(results)}个页面数据")
if name == "main":
asyncio.run(main())
|
1 |
性能对比：同步 vs 异步
通过计时器验证异步代码的优势，以10次HTTP请求为例：
- 同步模式（线性执行）：约10秒
- 异步模式（并发执行）：约1秒
> 说明：实际耗时受网络环境影响，但异步模型显著降低等待时间
最佳实践建议
1. 避免阻塞操作
- 将time.sleep()替换为asyncio.sleep()
- 使用aiofiles替代内置文件读写
2. 合理使用await
|
1 |
python
错误示例（导致线程阻塞）
await asyncio.sleep(1)
time.sleep(1) 阻塞主线程
|
1 |
3. 异常处理机制 |
python
async def safe_fetch(session, url):
try:
return await fetch(session, url)
except aiohttp.ClientError as e:
print(f"请求失败：{e}")
return None
|
1 |
常见问题解答
Q1: 如何处理阻塞代码？
- 使用loop.run_in_executor()将CPU密集型任务提交到线程池
Q2: 是否必须使用事件循环？
- asyncio.run()会自动创建和管理事件循环，但需注意版本兼容性
Q3: 协程与多线程的区别？
- 协程通过协作切换实现轻量级并发，而线程依赖操作系统调度，开销更大
结语
asyncio库为Python开发者提供了强大的异步编程能力。通过合理使用协程、事件循环和任务管理，可以显著提升IO密集型应用的性能。建议在实际项目中结合具体场景选择同步/异步模式，并持续关注Python官方文档更新以获取最新特性支持。
更新网址：https://feilong.org/python-asyncio-practical-guide
最初发布：20261003 04:58:20 feilong.org 于广州
加入收藏夹，查看更方便。