python 一直在進行併發編程的優化， 比較熟知的是使用 thread 模塊多線程和 multiprocessing 多進程，後來慢慢引入基於 yield 關鍵字的協程。 而近幾個版本，python 對於協程的寫法進行了大幅的優化，不少以前的協程寫法不被官方推薦了。若是你以前瞭解過 python 協程，你應該看看最新的用法。html
併發、並行、同步和異步
併發指的是 一個 CPU 同時處理多個程序，可是在同一時間點只會處理其中一個。併發的核心是：程序切換。python
可是由於程序切換的速度很是快，1 秒鐘內能夠徹底不少次程序切換，肉眼沒法感知。
git
並行指的是多個 CPU 同時處理多個程序，同一時間點能夠處理多個。
github
同步：執行 IO 操做時，必須等待執行完成才獲得返回結果。
異步：執行 IO 操做時，沒必要等待執行就能獲得返回結果。
web
協程，線程和進程的區別
多進程一般利用的是多核 CPU 的優點，同時執行多個計算任務。每一個進程有本身獨立的內存管理，因此不一樣進程之間要進行數據通訊比較麻煩。數據庫
多線程是在一個 cpu 上建立多個子任務，當某一個子任務休息的時候其餘任務接着執行。多線程的控制是由 python 本身控制的。 子線程之間的內存是共享的，並不須要額外的數據通訊機制。可是線程存在數據同步問題，因此要有鎖機制。編程
協程的實現是在一個線程內實現的，至關於流水線做業。因爲線程切換的消耗比較大，因此對於併發編程，能夠優先使用協程。api
。。。
這是對比圖：
網絡
協程的基礎使用
這是 python 3.7 裏面的基礎協程用法，如今這種用法已經基本穩定，不太建議使用以前的語法了。多線程
import asyncio import time async def visit_url(url, response_time): """訪問 url""" await asyncio.sleep(response_time) return f"訪問{url}, 已獲得返回結果" start_time = time.perf_counter() task = visit_url('http://wangzhen.com', 2) asyncio.run(task) print(f"消耗時間：{time.perf_counter() - start_time}")
- 1, 在普通的函數前面加 async 關鍵字；
- 2，await 表示在這個地方等待子函數執行完成，再往下執行。（在併發操做中，把程序控制權教給主程序，讓他分配其餘協程執行。） await 只能在帶有 async 關鍵字的函數中運行。
- 3， asynico.run() 運行程序
- 4， 這個程序消耗時間 2s 左右。
增長協程
再添加一個任務：
task2 = visit_url('http://another.com', 3)
asynicio.run(task2)
這 2 個程序一共消耗 5s 左右的時間。並無發揮併發編程的優點。若是是併發編程，這個程序只須要消耗 3s,也就是task2的等待時間。要想使用併發編程形式，須要把上面的代碼改一下。
import asyncio import time async def visit_url(url, response_time): """訪問 url""" await asyncio.sleep(response_time) return f"訪問{url}, 已獲得返回結果" async def run_task(): """收集子任務""" task = visit_url('http://wangzhen.com', 2) task_2 = visit_url('http://another', 3) await asyncio.run(task) await asyncio.run(task_2) asyncio.run(run_task()) print(f"消耗時間：{time.perf_counter() - start_time}")
asyncio.gather 會建立 2 個子任務，當出現 await 的時候，程序會在這 2 個子任務之間進行調度。
create_task
建立子任務除了能夠用 gather 方法以外，還能夠使用 asyncio.create_task 進行建立。
async def run_task(): coro = visit_url('http://wangzhen.com', 2) coro_2 = visit_url('http://another.com', 3) task1 = asyncio.create_task(coro) task2 = asyncio.create_task(coro_2) await task1 await task2
協程的主要使用場景
協程的主要應用場景是 IO 密集型任務，總結幾個常見的使用場景：
- 網絡請求，好比爬蟲，大量使用 aiohttp
- 文件讀取， aiofile
- web 框架， aiohttp， fastapi
- 數據庫查詢， asyncpg, databases
進一步學習方向(接下來的文章)
- 何時用協程，何時用多線程，何時用多進程
- future 對象
- asyncio 的底層 api
- loop
- trio 第三方庫用法