本文共 2259 字，大约阅读时间需要 7 分钟。

Python 异步编程：理解 async 和 await 的执行顺序

在编写爬虫脚本时，经常会遇到性能瓶颈问题。传统的 requests + 多线程/多进程 方法虽然能够提高并发度，但由于其阻塞性，往往导致资源消耗过大，尤其是在等待网页响应和处理数据时。为了应对这一问题，Python 3.4 及及以上版本引入了异步 IO 编程模型，通过 async 和 await 关键字实现非阻塞式操作。

understanding async 和 await 的执行顺序

在理解 async 和 await 之前，首先需要明确阻塞调用和非阻塞调用之间的区别：

在 Python 中，async 和 await 是实现异步 IO 的关键工具。从 Python 3.5 开始，async 和 await 取代了之前的 @asyncio.coroutine 和 yield from，使得代码更加直观。

一个简单的示例说明

以下是官方示例代码，用于说明 async 和 await 的执行顺序：

import asyncioasync def compute(x, y):    print("Compute %s + %s ..." % (x, y))    await asyncio.sleep(1.0)  # 非阻塞式睡眠    return x + yasync def print_sum(x, y):    result = await compute(x, y)    print("%s + %s = %s" % (x, y, result))loop = asyncio.get_event_loop()loop.run_until_complete(print_sum(1, 2))loop.close()

传统方式执行顺序

如果没有使用 async 和 await，程序的执行流程是：

异步方式执行顺序

使用 async 和 await 后，执行流程如下：

事件循环与任务

在异步编程中，事件循环（event loop）扮演着核心角色。它负责管理和调度任务（tasks），确保每个任务按正确顺序执行。

• event loop：负责检测和处理 I/O 事件。
• tasks：异步操作的执行单元，由 asyncio.Future 和 asyncio.Task 实现。

在上述代码中，get_event_loop() 获取事件循环，run_until_complete() 方法运行指定的协程对象，并返回控制权。

优化后的代码示例

为了更直观地理解异步执行顺序，可以稍作修改：

import asyncioasync def compute(x, y):    print("Compute %s + %s ..." % (x, y))    await asyncio.sleep(10.0)  # 非阻塞式睡眠    return x + yasync def print_sum(x, y):    result = await compute(x, y)    print("%s + %s = %s" % (x, y, result))loop = asyncio.get_event_loop()tasks = [print_sum(1, 2), print_sum(3, 4)]loop.run_until_complete(asyncio.wait(tasks))loop.close()

执行结果解析

在此优化后的代码中，sleep(10.0) 被修改为更长的睡眠时间，以更直观地观察任务执行顺序：

最终结果显示：

Compute 3 + 4 ...Compute 1 + 2 ...暂停 10 秒左右3 + 4 = 71 + 2 = 3

从执行结果可以看出，事件循环会先完成所有已提交的任务，并等待所有任务完成后才继续后续操作。

总结

通过以上示例，可以清晰地看到 async 和 await 在异步编程中的重要作用。它们允许在不阻塞主线程的情况下，非顺序地执行任务，显著提升了爬虫等 I/O 驱动型任务的性能表现。理解事件循环和任务的执行机制，是掌握异步编程的关键。

如果需要更深入的理解，可以参考相关的技术文档或博客。例如，了解 asyncio.Future 的实现机制，以及如何在实际应用中高效地利用异步编程。

转载地址：http://jvafk.baihongyu.com/