Python中 async await 使用汇总

在 Python 中，async 和 await 是 异步编程 的核心关键字，基于 asyncio 库实现协程（Coroutine），适用于高并发 I/O 密集型任务。以下是它们的 使用总结 和 典型场景：

---

一、核心概念

关键字	作用
async	声明一个函数为 异步函数（协程），调用时返回协程对象，而非直接执行。
await	在异步函数中 挂起当前协程，等待另一个协程或异步操作完成。

---

二、基础语法

1. 定义异步函数

async def fetch_data():
    print("Start fetching")
    await asyncio.sleep(2)  # 模拟I/O操作
    print("Done fetching")
    return {"data": 123}

2. 调用异步函数

import asyncio

async def main():
    result = await fetch_data()  # 等待协程完成
    print(result)

asyncio.run(main())  # 运行入口

输出：

Start fetching
（等待2秒）
Done fetching
{'data': 123}

---

三、使用场景

1. 高并发网络请求

import aiohttp  # 异步HTTP库

async def fetch_url(url):
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as response:
            return await response.text()

async def main():
    urls = ["http://example.com", "http://example.org"]
    tasks = [fetch_url(url) for url in urls]
    results = await asyncio.gather(*tasks)  # 并发执行
    print(results)

2. 数据库异步操作

async def get_user(db, user_id):
    user = await db.fetch("SELECT * FROM users WHERE id = $1", user_id)
    return user

3. 与Web框架集成（如FastAPI）

from fastapi import FastAPI
import asyncio

app = FastAPI()

@app.get("/data")
async def get_data():
    await asyncio.sleep(1)  # 模拟异步操作
    return {"message": "Async data"}

4. 定时任务或事件循环

async def periodic_task():
    while True:
        print("Running task...")
        await asyncio.sleep(60)  # 每分钟执行一次

asyncio.create_task(periodic_task())  # 后台运行

---

四、关键注意事项

1. await 必须在 async 函数内使用

   # 错误示例
   def sync_func():
       await fetch_data()  # SyntaxError

2. 区分阻塞与非阻塞操作

   • 可 await 的操作：asyncio.sleep(), aiohttp.get(), 异步数据库查询等。

   • 不可 await 的阻塞操作：time.sleep(), 同步文件读写（需用 asyncio.to_thread 或专用异步库）。

3. 并发执行多个任务

   • asyncio.gather()：并行运行多个协程，等待所有完成。

   • asyncio.create_task()：后台启动协程，不阻塞当前代码。

4. 错误处理

   async def safe_fetch():
       try:
           return await fetch_data()
       except Exception as e:
           print(f"Error: {e}")

---

五、性能对比（同步 vs 异步）

场景	同步代码（线程/阻塞）	异步代码（协程）
1000次网络请求	高内存消耗（线程切换开销）	低内存消耗（单线程并发）
响应时间	慢（线性等待）	快（重叠I/O等待时间）
适用场景	CPU密集型任务	I/O密集型任务（如HTTP、DB）

---

六、进阶技巧

1. async def async_gen():
       for i in range(3):
           await asyncio.sleep(1)
           yield i
   
   async for item in async_gen():
       print(item)

2. 超时控制

   try:
       await asyncio.wait_for(fetch_data(), timeout=3.0)
   except asyncio.TimeoutError:
       print("Timeout!")

3. 同步与异步代码互调

   • 同步 → 异步：用 asyncio.run()（仅限入口）。

   • 异步 → 同步：用 asyncio.to_thread() 或 loop.run_in_executor()。

---

七、总结

• 何时用 async/await？

  • 需要高并发处理 I/O 操作（如API调用、数据库查询）。

  • 避免线程/进程的开销（如C10k问题）。

  • 与异步生态兼容（如FastAPI、aiohttp、asyncpg）。

• 何时不用？

  • 纯CPU密集型任务（用多进程 multiprocessing）。

  • 旧代码库或依赖同步库（需逐步迁移）。

掌握 async/await 可以显著提升I/O密集型应用的吞吐量，但需注意避免混合阻塞调用！