asyncio 高阶API列表

asyncio中函数可以分为高阶函数和低阶函数。低阶函数用于调用事件循环、linux 套接字、信号等更底层的功能，高阶函数是屏蔽了更多底层细节的任务并发，任务执行函数。通常开发中使用更多的是高阶函数。本篇主要介绍asyncio中常用的高阶函数。
由于asyncio在不同的版本中有差异，本文以及本系列都以python3.10为准。

函数	功能
run()	创建事件循环，运行一个协程，关闭事件循环。
create_task()	创建一个asyncio的Task对象
await sleep()	休眠几秒
await gather()	并发执行所有事件的调度和等待
await wait_for()	有超时控制的运行
await shield()	屏蔽取消操作
await wait()	完成情况的监控器
current_task()	返回当前Task对象
all_tasks()	返回事件循环中所有的task对象
Task	Task对象
to_thread()	在不同的 OS 线程中异步地运行一个函数
run_coroutine_threadsafe()	从其他OS线程中调度一个协程
for in as_completed()	用 for 循环监控完成情况

run

函数原型：

asyncio.run(coro, *, debug=False)

功能：创建事件循环，运行传入的协程。该函数总是会创建一个新的事件循环并在结束时关闭它，应该被当做asyncio程序的主入口点。run() 函数是用来创建事件，将task加入事件，运行事件的函数。

async def main():
    await asyncio.sleep(1)
    print('hello')

asyncio.run(main())

run() 从功能上等价于以下低阶API。获取一个事件循环，创建一个task，加入事件循环。

loop = asyncio.get_event_loop()
task = loop.create_task(main())
loop.run_until_complete(task)

create_task

函数原型：

asyncio.create_task(coro, *, name=None)

功能：将协程函数封装成一个Task。协程函数没有生命周期，但是Task有生命周期。
将协程打包为一个 Task 并自动寻找事件循环加入。返回 Task 对象。该任务会在 get_running_loop() 返回的循环中执行，如果当前线程没有在运行的循环则会引发 RuntimeError。

async def coro():
    await asyncio.sleep(1)
    print("i am coro")


async def main():
    task = asyncio.create_task(coro())
    print(f"task状态：{task._state}")
    await asyncio.sleep(2)
    print(f"task状态：{task._state}")
    print("i am main")

asyncio.run(main())

结果：

task状态：PENDING
i am coro
task状态：FINISHED
i am main

结果分析：
可以看到task运行中的状态和结束的生命周期状态

gather

函数原型：

asyncio.gather(*aws, return_exceptions=False)

功能：
并发执行所有可等待对象，收集任务结果，返回所有已经完成的task的结果。结果将是一个由所有返回值组成的列表。结果值的顺序与传入的task的顺序一致。可等待对象可以是协程和task。
如果序列中是协程而不是task，那么会将其自动封装成task加入事件循环。

import asyncio

async def coro(value):
    print(f"hello coro{value}")
    return f"coro{value}"

async def main():
    tasks = [coro(i) for i in range(5)]
    res = await asyncio.gather(*tasks)
    for i in res:
        print(i)

asyncio.run(main())

结果：

hello coro0
hello coro1
hello coro2
hello coro3
hello coro4
coro0
coro1
coro2
coro3
coro4

结果分析：
获取了所有协程的返回值，并且返回的顺序和任务的顺序一致。

wait

函数原型：

asyncio.wait(aws, *, timeout=None, return_when=ALL_COMPLETED)

功能：
并发地运行序列中的可等待对象，并进入阻塞状态直到满足 return_when 所指定的条件。将task任务结果收集起来，返回两个 Task/Future 集合: (done, pending)。done是已经完成的任务，pending是未完成的任务，未完成的原因可能是超时或return_when策略。
aws:
aws中保存的是task而不是协程，从3.8起不建议传入协程，3.11将不再支持传入协程。
timeout:
如指定 timeout (float 或 int 类型) 则它将被用于控制返回之前等待的最长秒数。
请注意此函数不会引发 asyncio.TimeoutError。当超时发生时，未完成的 Future 或 Task 将不会继续执行，不会返回结果。
return_when:
return_when 指定此函数应在何时返回。它必须为以下参数之一:

参数	描述
FIRST_COMPLETED	函数将在任意可等待对象结束或取消时返回。
FIRST_EXCEPTION	函数将服务器托管网在任意可等待对象因引发异常而结束时返回。当没有引发任何异常时它就相当于 ALL_COMPLETED。
ALL_COMPLETED	函数将在所有可等待对象结束或取消时返回。

基础使用示例：

import asyncio


async def coro(value):
    print(f"hello coro{value}")
    return f"coro{value}"

async def main():
    tasks = [asyncio.create_task(coro(i)) for i in range(5)]
    done, pending = await asyncio.wait(tasks)
    for i in done:
        print(i.result())

asyncio.run(main())

结果：

hello coro0
hello coro1
hello coro2
hello coro3
hello coro4
coro1
coro2
coro0
coro3
coro4

结果分析：
返回结果和执行顺序并不是一致的

指定超时时间：

import asyncio
from asyncio import FIRST_COMPLETED

async def coro(value):
    print(f"hello coro{value}")
    await asyncio.sleep(value)
    return f"coro{value}"

async def main():
    tasks = [asyncio.create_task(coro(i)) for i in range(5)]
    done, pending = await asyncio.wait(tasks, timeout=3)

    print("---------finish----------")
    for i in done:
        print(i.result())

    print("---------pending----------")
    for i in pending:
        print(i)

asyncio.run(main())

hello coro0
hello coro1
hello coro2
hello coro3
hello coro4
---------finish----------
coro1
coro2
coro0
---------pending----------
 wait_for=>
 wait_for=>

结果分析：
超时未完成的task会保存在pending中，未完成的task在超时之后不会继续执行，没有返回结果。

return_when配置任意任务完成就返回：

import asyncio
from asyncio import FIRST_COMPLETED

async def coro(value):
    print(f"hello coro{value}")
    await asyncio.sleep(value)
    return f"coro{value}"

async def main():
    tasks = [asyncio.create_task(coro(i)) for i in range(5)]
    done, pending = await asyncio.wait(tasks, return_when=FIRST_COMPLETED)

    print("---------finish----------")
    for i in done:
        print(i.result())

    print("---------pending----------")
    for i in pending:
        print(i)

asyncio.run(main())

结果：

hello coro0
hello coro1
hello coro2
hello coro3
hello coro4
---------finish----------
coro0
---------pending----------
 wait_for=>
 wait_for=>
 wait_for=>
 wait_for=>

结果分析：
获取到任意结果就返回，未完成的task保存在pending中。未完成的task在超时之后不会继续执行。

as_completed

函数原型：

asyncio.as_completed(aws, *, timeout=None)

说明：并发执行aws中保存的可等待对象，返回一个协程的迭代器。可以从迭代器中取出最先执行完成的task的结果。返回结果和执行顺序不一致。aws中可以是task或协程序列。

import asyncio


async def coro(value):
    print(f"hello coro{value}")
    return f"coro{value}"

async def main():
    tasks = [coro(i) for i in range(5)]
    for item in asyncio.as_completed(tasks):
        res = await item
        print(res)


asyncio.run(main())

结果：

hello coro2
hello coro3
hello coro4
hello coro1
hello coro0
coro2
coro3
coro4
coro1
coro0

结果分析：
所有任务都会执行完成，没有超时配置。返回顺序和执行顺序无关。

gath服务器托管网er、wait、as_completed 异同点小结

asyncio协程体系中可以实现创建多个任务并发执行的函数有以下三个：

• asyncio.gather
• asyncio.wait
• asyncio.as_completed

不同之处比较：

特性/函数	gather	wait	as_completed
入参	同时支持task和协程序列	只支持task序列	同时支持task和协程序列
获取结果顺序	有序，和并发序列顺序相同	无序，和并发序列无关	无序，和并发序列无关
返回	返回结果列表，保存的是函数返回值。	返回元组done、pending。元组中保存的是task，而非task 的函数返回值	返回一个迭代器，从中可迭代出函数返回值。

wait for

函数原型：

asyncio.wait_for(aw, timeout)

功能：执行单个可等待对象，指定 timeout 秒数后超时
等待可等待对象完成，指定timeout秒数后超时。和gather类似，可以自动将协程转化成任务加入循环。
timeout 可以为 None，也可以为 float 或 int 型数值表示的等待秒数。如果 timeout 为 None，则等待直到完成。
如果发生超时，任务将取消并引发 asyncio.TimeoutError。

async def coro():
    # 睡眠5s
    await asyncio.sleep(3600)
    print('finish!')

async def main():
    # Wait for at most 1 second
    try:
        await asyncio.wait_for(coro(), timeout=1.0)
    except asyncio.TimeoutError:
        print('timeout!')

asyncio.run(main())

结果：

timeout!

高阶API中常用的函数基本就是这些，下一篇分析低阶函数。

连载一系列关于python异步编程的文章。包括同异步框架性能对比、异步事情驱动原理等。欢迎关注微信公众号第一时间接收推送的文章。

服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
机房租用，北京机房租用，IDC机房托管， http://www.fwqtg.net

相关推荐: 并行计算框架Polars、Dask的数据处理性能对比

在Pandas 2.0发布以后，我们发布过一些评测的文章，这次我们看看，除了Pandas以外，常用的两个都是为了大数据处理的并行数据框架的对比测试。 本文我们使用两个类似的脚本来执行提取、转换和加载(ETL)过程。 测试内容 这两个脚本主要功能包括: 从两个p…