如何使用Python的异步库（如asyncio）？

Python的asyncio库是标准库中用于编写异步IO代码的核心模块，它通过协程和事件循环的机制，让程序在等待IO操作（比如网络请求、文件读写）时不会阻塞整个线程，从而提升程序的执行效率，尤其适合处理大量并发的IO密集型任务。

asyncio核心概念

要掌握asyncio的使用，首先需要理解几个核心概念：

• 协程（Coroutine）：协程是asyncio中的基本执行单元，本质是一种可以暂停和恢复的函数，使用async def定义的函数就是协程函数，调用协程函数不会立即执行，而是返回一个协程对象。
• 事件循环（Event Loop）：事件循环是asyncio的运行核心，负责调度和执行所有的协程任务，监听IO事件，当某个协程等待IO时，事件循环会暂停该协程，转去执行其他可运行的协程。
• await关键字：用于在协程内部等待另一个协程执行完成，await后面只能跟可等待对象（协程、任务、Future等），遇到await时，当前协程会暂停，让出执行权给事件循环。

基础使用示例

下面是一个最简单的asyncio使用示例，演示协程的定义和事件循环的启动：

import asyncio

# 定义协程函数
async def hello_async():
    print("开始执行协程")
    # 模拟IO等待，这里使用asyncio.sleep模拟非阻塞等待
    await asyncio.sleep(1)
    print("协程执行完成")

# 主函数
async def main():
    # 调用协程函数，获取协程对象
    coroutine = hello_async()
    # 等待协程执行完成
    await coroutine

if __name__ == "__main__":
    # Python 3.7+可以直接使用asyncio.run启动事件循环
    asyncio.run(main())

运行上述代码，会先打印"开始执行协程"，等待1秒后打印"协程执行完成"，整个过程不会阻塞主线程的其他逻辑（如果有其他协程的话）。

并发执行多个任务

asyncio的优势在于可以并发执行多个IO任务，不需要创建多个线程。我们可以使用asyncio.gather或者asyncio.create_task来并发运行多个协程：

使用asyncio.gather并发

import asyncio
import time

async def task(name, delay):
    print(f"任务{name}开始执行，等待{delay}秒")
    await asyncio.sleep(delay)
    print(f"任务{name}执行完成")
    return f"任务{name}的结果"

async def main():
    start_time = time.time()
    # 并发执行三个任务
    results = await asyncio.gather(
        task("A", 2),
        task("B", 1),
        task("C", 3)
    )
    end_time = time.time()
    print(f"所有任务完成，结果：{results}")
    print(f"总耗时：{end_time - start_time:.2f}秒")

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

上述代码中三个任务的等待时间分别是2秒、1秒、3秒，如果同步执行总耗时会是6秒，而并发执行总耗时约等于最长的3秒，因为三个任务是同时等待的。

使用create_task创建任务

asyncio.create_task可以将协程包装成任务，任务会被自动调度执行，不需要立即await：

import asyncio

async def task(name):
    print(f"任务{name}开始")
    await asyncio.sleep(1)
    print(f"任务{name}结束")
    return name

async def main():
    # 创建两个任务，自动加入事件循环调度
    task1 = asyncio.create_task(task("1"))
    task2 = asyncio.create_task(task("2"))
    # 等待两个任务完成
    result1 = await task1
    result2 = await task2
    print(f"任务结果：{result1}, {result2}")

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

常见使用场景

asyncio最适合处理IO密集型的高并发场景，比如：

• 批量网络请求：比如同时请求多个API接口，不需要等待每个请求依次完成。
• 爬虫开发：同时爬取多个页面的内容，提升爬取效率。
• 异步文件读写：处理大量文件的读写操作，减少等待时间。

下面是一个简单的异步网络请求示例，使用aiohttp库（需要提前安装：pip install aiohttp）实现并发请求：

import asyncio
import aiohttp

async def fetch_url(session, url):
    async with session.get(url) as response:
        # 等待响应内容，非阻塞
        content = await response.text()
        print(f"请求{url}完成，响应长度：{len(content)}")
        return content

async def main():
    urls = [
        "http://ipipp.com",
        "http://ipipp.com/about",
        "http://ipipp.com/contact"
    ]
    async with aiohttp.ClientSession() as session:
        # 并发请求所有url
        await asyncio.gather(*[fetch_url(session, url) for url in urls])

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

注意事项

• 不要在协程中使用同步的阻塞操作（比如time.sleep、同步的网络请求），这会阻塞整个事件循环，导致异步失去意义，同步阻塞操作要替换成对应的异步版本。
• asyncio是单线程的，不适合CPU密集型任务，CPU密集型任务还是需要使用多进程或者多线程处理。
• Python 3.7之前的版本启动事件循环需要使用loop = asyncio.get_event_loop(); loop.run_until_complete(main())的方式，Python 3.7+推荐使用asyncio.run()。

异步编程的核心是利用IO等待的时间执行其他任务，而不是真正的并行执行，理解这一点才能更好地使用asyncio库。

asyncioPython异步编程协程事件循环async_await修改时间：2026-07-09 04:15:26