Python asyncio之协程学习总结

实践环境

Python 3.6.2

什么是协程

协程(Coroutine)一种电脑程序组件，该程序组件通过允许暂停和恢复任务，为非抢占式多任务生成子程序。协程也可以简单理解为协作的程序，通过协同多任务处理实现并发的函数的变种(一种可以支持中断的函数）。

下面，我们通过日常生活场景为例，对什么是协程进行说明。

假设A某在家每天都要做3件事：洗衣服(使用洗衣机)，蒸饭(使用电饭煲)，扫地(使用扫地机器人)，这三样电器在完成任务后都会发出不一样响声来告诉A某事情已经完成。

这里，暂且假设A某智商有问题，每次都是严格按顺序做这三件事：先洗完衣服，再把饭蒸好，最后才开始扫地。

接下来，我们用一段简单的代码来模拟上述整个过程，并记录整个过程的耗时，其中使用了3个简单的普通函数，分别模拟上述3件事情，如下：

import time
from datetime import datetime


def do_washing():
    print(datetime.now(), ':开始洗衣服')
    time.sleep(3)  # 洗衣服 # 用程序休眠来模拟过程，且别计较时间大小
    print(datetime.now(), ':通知A某衣服洗好了') 


def steame_rice():
    print(datetime.now(), ':开始蒸饭')
    time.sleep(5)  # 蒸饭
    print(datetime.now(), ':通知A某饭蒸好了')


def do_clearing():
    print(datetime.now(), ':开始扫地')
    time.sleep(2)  # 扫地
    print(datetime.now(), ':通知A某地扫完了')


if __name__ == '__main__':
    startTime = time.time()
    do_washing()
    steame_rice()
    do_clearing()
    endTime = time.time()
    print("扫地+蒸饭+洗衣服总耗时: ", endTime - startTime)

程序输出：

2023-04-09 23:33:50.001204 :开始洗衣服
2023-04-09 23:33:53.002765 :衣服洗好了
2023-04-09 23:33:53.002765 :开始蒸饭
2023-04-09 23:33:58.013337 :通知A某饭蒸好了
2023-04-09 23:33:58.013337 :通知A某开始扫地
2023-04-09 23:34:00.024784 :通知A某地扫完了
扫地+蒸饭+洗衣服总耗时:  10.023579835891724

直到有一天，A某的朋友来他家做客，体验到他的“高效”办事效率后，建议他不用等每件事情都做完才做下一件事情。A某听后，虚心采纳，并告诉自己要开始培养新的习惯。

第二天开始呢，A某开始改变自己，把衣服扔洗衣机，并启动机洗程序后，就去淘米蒸饭了，等电饭煲开始蒸饭后，就去清扫地板了。

接下来，我们对上述代码进行稍微修改，以便模拟上述过程，并记录整个过程的耗时，如下：

import time
from datetime import datetime
import asyncio

async def do_washing():
    print(datetime.now(),':开始洗衣服')
    await asyncio.sleep(3)
    print(datetime.now(),':通知A某衣服洗好了')

async def do_clearing():
    print(datetime.now(), ':开始扫地')
    await asyncio.sleep(5)
    print(datetime.now(), ':通知A某地扫完了')

async def steame_rice():
    print(datetime.now(), ':开始蒸饭')
    await asyncio.sleep(2)
    print(datetime.now(), ':通知A某饭蒸好了')

tasks = [
    do_washing(),
    steame_rice(),
    do_clearing()
]

if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    start_time = time.time()
    loop.run_until_complete(asyncio.wait(tasks))
    loop.close()
    end_time = time.time()
    print("扫地+蒸饭+洗衣服总耗时: ", end_time - start_time)

程序输出：

2023-04-09 23:35:17.422790 :开始扫地
2023-04-09 23:35:17.422790 :开始蒸饭
2023-04-09 23:35:17.422790 :开始洗衣服
2023-04-09 23:35:19.427500 :通知A某饭蒸好了
2023-04-09 23:35:20.427813 :通知A某衣服洗好了
2023-04-09 23:35:22.429780 :通知A某地扫完了
扫地+蒸饭+洗衣服总耗时:  5.0069899559021

不得不夸A某进步真大，相比之前，这次耗时减少了近一半。

以上这段代码就是协程的简单实现，充分体现了协程的3个特点：

1. 多任务并行：A某同时完成了3项任务–分别代表3个协程。
2. 异步任务：3项任务中，没有一项是需要A某在一旁一直看着直到做完的，每项任务开启后，A某都可以离开去做别的任务。
3. 协作式(非抢占式)：每项任务能否“占用”A某，取决于A某是否正被其它任务“占用”，即是否有任务主动“让出”A某，不是靠“抢占”，更像是协商。

有了线程为啥还要协程？

协程是用户视角的一种抽象，操作系统并没有这个概念，其主要思想是在用户态实现调度算法，用少量线程完成大量任务的调度。

相对线程而言，协程具备以下优势：

• 减少内存占用

  协程的创建成本远小于线程，可以设计得很小，小到KB级别，大大降低内存占用。所以，内存资源有限的情况下，可以创建更多协程，从而实现更高的并发。

• 减少上下文切换开销，节约CPU资源

如上图，线程之间的切换请求，由系统内核来实现，而协程之间的切换，则可由用户自由控制，即交由用户态的代码来完成，极大程度避免了系统内核级线程上下文切换造成的CPU资源浪费。具体实现思路如下：

1. 尽量减少可执行的线程，这样切换次数必然会少

2. 让线程尽可能的处于运行状态，而不是阻塞让出时间片

一个线程可以拥有多个协程，主要注意的是，一个线程内的多个协程却是串行的，无论CPU有多少个核，因为协程本质上还是一个函数，当一个协程运行时，其它协程必须挂起。实际开发过程中，可以使用协程在将一些耗时的IO操作异步化，例如写文件、耗时IO请求等来提升程序执行效率。

相关语法说明

接下来，就上面的例子，对协程相关语法进行说明。

async def do_washing()

使用async def语法定义协程函数do_washing。

协程函数示例：

async def func(param1, param2):
    do_stuff()
    await some_coroutine()

注意：

1. 使用async def语法定义的函数始终是协程函数，即使它们不包含wait或async关键字。

2. 采用传统的函数调用方式，直接调用协程函数，函数不会被立即执行，会产生类似RuntimeWarning: coroutine 'xxxx协程函数' was never awaited的告警日志，并返回一个协程对象。仅运行事件循环时才会运行协程。

3. await 挂起当前协程以等待一个可等待(awaitable)对象–协程函数或者实现了__await__()的对象，直到可等待对象返回结果。可以将这个可等待对象，简单的理解为待执行的异步任务(一般是比较耗时的任务，比如开篇示例中用作比拟的煲饭）。

   注意：

   1. await只能在协程函数内部使用。

   2. 程序遇到await关键词时，会将程序控制权交给主程序，由主程序分配给其它协程。当可等待对象返回结果，并且此时程序控制权还被其它协程占用时，则被挂起的协程依旧无法继续往下运行，直到获取程序控制权。关于这个结论，可用下述示例代码进行验证：

      from datetime import datetime
      import asyncio
      
      async def do_washing():
          print(datetime.now(),':开始洗衣服')
          await asyncio.sleep(0.5)
          for i in range(10000):
              if i % 4000 == 0:
                  print('洗衣服')
          print(datetime.now(),':衣服洗好了')
      
      async def do_cooking():
          print(datetime.now(), ':开始煲饭')
          for i in range(100000):
              if i%20000 == 0:
                  print('煲饭')
          await asyncio.sleep(5)
          print(datetime.now(), ':饭煲好了')
      
      tasks = [
          do_cooking(),
          do_washing()
      ]
      
      if __name__ == '__main__':
          loop = asyncio.get_event_loop()
          loop.run_until_complete(asyncio.wait(tasks))
          loop.close()
      

      输出：

      2023-04-10 23:53:37.804727 :开始洗衣服
      2023-04-10 23:53:37.804727 :开始煲饭
      煲饭
      煲饭
      煲饭
      煲饭
      煲饭
      洗衣服
      洗衣服
      洗衣服
      2023-04-10 23:53:38.310586 :衣服洗好了
      2023-04-10 23:53:42.811876 :饭煲好了
      

asyncio.sleep(2)

给定秒数后完成的协程–阻塞指定的秒数。sleep函数还可以指定result参数，协程完成时将该参数值返回给调用者（默认返回None），如下：

result = await asyncio.sleep(0.5, result='task done')
print(result) # 输出：task done

sleep总是会挂起当前任务，以允许其他任务运行。可以利用这个特性，将秒数设置为0，即asyncio.sleep(0)，以便提供一个经优化的路径以允许其他任务运行。 这可供长时间运行的函数使用，避免调用该函数时阻塞事件循环。

asyncio.get_event_loop()

为当前上下文获取事件循环(event loop)，返回一个实现了AbstractEventLoop接口的事件循环对象。如果没有为当前上下文设置任何事件循环，且当前策略没有指定创建一个事件循环，则抛出异常。必须返回非None值。

AbstractEventLoop.run_until_complete(asyncio.wait(tasks))

运行直到asyncio.wait(tasks)运行完成。返回asyncio.wait(tasks)的运行结果，或者抛出异常。

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

执行协程 coro 并返回结果。

此函数会运行传入的协程，负责管理 asyncio 事件循环，终结异步生成器，并关闭线程池。

当有其他 asyncio 事件循环在同一线程中运行时，此函数不能被调用。

如果debug 为 True，事件循环将以调试模式运行。

此函数总是会创建一个新的事件循环并在结束时关闭之。它应当被用作 asyncio 程序的主入口点，理想情况下应当只被调用一次。

示例:

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

asyncio.run(main())

3.7 新版功能.

asyncio.wait(tasks)

具备完整参数列表的wait函数定义如下

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

并发地运行 fs可迭代对象中的可等待对象，并进入阻塞状态直到满足return_when参数所指定的条件(缺省参值为ALL_COMPLETED)。

注意，aws参数不能为空。

函数返回 Future 集合: (done, pending)。

请注意，此函数不会引发 asyncio.TimeoutError。当超时发生时，未完成的 Future 将在指定秒数后被返回。

return_when 指定此函数应在何时返回，可选值如下：

• 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。

其它协程示例

示例：Hello world携程

import asyncio

async def hello_world():
    print("Hello World!")
    
    return 'hello world'

# print(hello_world()) # RuntimeWarning: coroutine 'hello_world' was never awaited # 

loop = asyncio.get_event_loop()
# Blocking call which returns when the hello_world() coroutine is done
res = loop.run_until_complete(hello_world()) # 把协程对象传递给事件循环
print(res) # 输出：hello world
loop.close()

python3.7版本，也可以使用新API asyncio.run来简化代码

import asyncio

async def hello_world():
    print("Hello World!")
    
    return 'hello world'
    
asyncio.run(hello_world())

示例：显示当前日期

使用sleep()函数在5秒内每1秒显示一次当前日期的协程示例

import asyncio
import datetime

async def display_date(loop):
    end_time = loop.time() + 5.0
    while True:
        print(datetime.datetime.now())
        if (loop.time() + 1.0) >= end_time:
            break
        await asyncio.sleep(1)

loop = asyncio.get_event_loop()
# Blocking call which returns when the display_date() coroutine is done
loop.run_until_complete(display_date(loop))
loop.close()

示例: 链式协程(Chain coroutines)

import asyncio

async def compute(x, y):
    print("Compute %s + %s ..." % (x, y))
    await asyncio.sleep(1.0)
    return x + y

async 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()

compute()被链接到print_sum()：print_sum()协程等待compute()完成后再返回结果

示例的序列图

“Task”是由AbstractEventLoop.run_until_complete()方法在获取协程对象而不是任务时创建的。

该图显示了控制流程，但并没有确切描述事物内部是如何工作的。例如，sleep协程创建了一个内部future，它使用AbstractEventLoop.call_later()在1秒内唤醒任务。

可等待对象

整体而言，python协程的可等待对象包含协程函数或者实现了__await__()的对象，常见的可等待对象包含以下几种：

1. 使用async def定义的协程函数

2. Task对象，比如使用 asyncio.create_task() 或 asyncio.ensure_future() 创建的任务对象。

3. Future对象，比如使用 asyncio.Future() 创建的对象。

Future

Future，是对协程的封装，代表一个异步操作的最终结果–将来执行或没有执行的任务的结果，其值会在将来被计算出来。

class asyncio.Future(*, loop=None)

该类基本兼容concurrent.futures.Future。

差别：

• result()和exception()不接受超时参数，并且在future尚未完成时引发异常。
• 总是通过事件循环的call_soon_threadsafe()调用使用add_done_callback()注册的回调。
• 该类与concurrent.futures包中的wait()和as_completed()函数不兼容。

该类不是线程安全的。

类方法

• cancel()
  取消future并安排执行回调

  如果future已经完成或者取消，则返回False。否则，修改future的状态为已取消，并安排执行回调，并返回True。

• cancelled()

  如果future已取消则返回True。

• done()
  如果future已完成则返回True。

  已完成意味着可获取结果或者异常，或者future已被取消。

• result()

  返回future呈现的结果。

  如果future已被取消，则引发CancelledError。如果future的结果还不可获取，则会引发InvalidStateError。如果future已完成并且存在异常，则该异常会被抛出。

• exception()
  返回给future设置的异常。

  只有在future完成时，才会返回异常（如果未设置异常，则返回None）。如果future已被取消，则引发CancelledError。如果future尚未完成，则会引发InvalidStateError。

• add_done_callback(fn)

  添加一个回调，以便在future完成时运行。

  使用一个future对象作为参数调用回调。如果调用时，future已经完成，则使用call_soon()调用回调。

  使用functools.partial将参数传递给回调。例如

  fut.add_done_callback(functools.partial(print, "Future:", flush=True)) 将调用print("Future:", fut, flush=True)

• remove_done_callback(fn)

​ 从“call when done”列表中删除回调的所有实例。

​ 返回已删除的回调数。

• set_result(result)
  标记future为已完成并设置其结果。

  如果调用此方法时future已完成，则会引发InvalidStateError

• ​ set_exception(exception)

  标记future为已完成并设置一个异常。

  如果调用此方法时future已完成，则会引发InvalidStateError。

例子： Future配合run_until_complete()的使用

import asyncio

async def slow_operation(future):
    await asyncio.sleep(1)
    future.set_result('Future is done!')

loop = asyncio.get_event_loop()
future = asyncio.Future()
asyncio.ensure_future(slow_operation(future))
loop.run_until_complete(future)
print(future.result()) # Future is done!
loop.close()

协程函数负责计算(耗时1秒)，并将结果存储到future。run_until_complete()方法等待future的完成。

注意：
run_until_complete() 方法在内部使用add_done_callback()方法，以便在future完成时得到通知。

Future类封装了可调用对象的异步执行

示例：Future配合run_forever()的使用

可以使用Future.add_done_callback()方法以不同的方式编写前面的示例，以明确描述控制流：

import asyncio

async def slow_operation(future):
    await asyncio.sleep(1)
    future.set_result('Future is done!')

def got_result(future):
    print(future.result())
    loop.stop()

loop = asyncio.get_event_loop()
future = asyncio.Future()
asyncio.ensure_future(slow_operation(future))
future.add_done_callback(got_result)
try:
    loop.run_forever()
finally:
    loop.close()

在本例中，future用于将slow_operation()链接到got_result()：当slow_ooperation()完成时，将调用got_resull()获取结果

Task

class asyncio.Task(coro, *, loop=None)
安排协程的执行：将其封装在future。Task是Future的一个子类。

task负责在事件循环中执行协程。如果封装的协程由future生成，则task将阻塞执行封装的协程并等待future的完成。当future完成并返回结果或者异常，封装的协程的执行将重新开始，并检索future的结果或异常。

事件循环使用协作调度：一个事件循环一次只运行一个task。如果其他事件循环在不同的线程中运行，则其他task可以并行运行。当task等待future完成时，事件循环会执行一个新task。

取消一项task和取消一个future是不同的。调用cancel()将向封装的协程抛出CancelledError。仅当封装的协程没有捕获CancelledError异常或抛出CancelledError异常时，cancelled()才会返回True。

如果一个挂起的task被销毁，则其封装的协程不会被执行完。这可能是一个bug，并记录一条警告：

Task was destroyed but it is pending!
task:  wait_for=>

不要直接创建Task实例：使用ensure_future()函数或AbstractEventLoop.create_task()方法。

这个类不是线程安全的。

类方法

• all_tasks(loop=None)
  返回给定事件循环的所有任务集。默认返回当前事件循环的所有任务。

• current_task(loop=None)
  返回给定事件循环中当前正在运行的任务。默认返回当前事件循环中的当前任务。

  不在Task上下文中调用该函数时返回None

• cancel()
  请求取消任务

  安排在事件循环的下一个循环中将CancelledError抛出到封装的协程中。然后，协程有机会使用try/except/finally清理甚至拒绝请求。

  与Future.cancel()不同，这并不能保证task会被取消：异常可能会被捕获并采取行动，从而延迟task的取消或完全阻止取消。该task也可能返回一个值或抛出一个不同的异常。

  调用此方法后，cancelled()将不会立即返回True（除非任务已被取消）。当封装的协程以CancelledError异常终止时，task将被标记为已取消（即使未调用cancel()）。

• get_stack(*, limit=None)

  返回此任务的协程的堆栈帧列表。

  如果协程没有完成，则返回它被挂起的堆栈。如果协同程序已成功完成或被取消，则返回一个空列表。如果协同程序被异常终止，则返回traceback帧列表。

  堆栈帧总是按从旧到新的顺序排列。

  可选limit给出了要返回的最大帧数；默认情况下，将返回所有可获取的帧。它的含义因返回堆栈还是trackback而不同：返回堆栈的最新帧，但返回traceback的最旧帧（这与traceback模块的行为相符）。

  由于我们无法控制的原因，对于挂起的协程，只返回一个堆栈帧。

• print_stack(*, limit=None, file=None)

  打印此任务的协程的堆栈或traceback。

  为get_stack()检索的帧生成类似于traceback模块的输出。limit参数被传递给get_stack()。file参数为I/O流，输出将写入该流；默认情况下，输出写入sys.stderr

示例：并行执行task

并行执行3个task (A, B, C)

import asyncio

async def factorial(name, number):
    f = 1
    for i in range(2, number+1):
        print("Task %s: Compute factorial(%s)..." % (name, i))
        await asyncio.sleep(1)
        f *= i
    print("Task %s: factorial(%s) = %s" % (name, number, f))

loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.gather(
    factorial("A", 2),
    factorial("B", 3),
    factorial("C", 4),
))
loop.close()

输出：

Task B: Compute factorial(2)...
Task C: Compute factorial(2)...
Task A: Compute factorial(2)...
Task B: Compute factorial(3)...
Task C: Compute factorial(3)...
Task A: factorial(2) = 2
Task B: factorial(3) = 6
Task C: Compute factorial(4)...
Task C: factorial(4) = 24

task在创建时会自动被安排执行。事件循环将在所有task完成后停止。

Task函数

注意：

在下面的函数中，可选的循环参数允许显式设置底层task或协程使用的事件循环对象。如果没有提供，则使用默认的事件循环

• asyncio.as_completed(fs, *, loop=None, timeout=None)

  返回一个迭代器，该迭代器在等待时为Future实例。

  如果在所有Future完成之前发生超时，则引发asyncio.TimeoutError。

  示例：

  for f in as_completed(fs):
      result = yield from f  # The 'yield from' may raise
      # Use result
  

  注意：
  future f不一定是fs的成员

• asyncio.ensure_future(coro_or_future, *, loop=None)

  安排协程对象的执行：在其封装在Future中。返回一个Task对象。

  如果参数是Future，则直接返回。

  版本3.4.4中新增

  版本3.5.1变更: 函数接受任何可等待对象。

• asyncio.async(coro_or_future, *, loop=None)
  废弃的ensure_future()的别名

  版本 3.4.4开始废弃

• asyncio.wrap_future(future, *, loop=None)

  将concurrent.futures.Future对象封装在Future对象中。

• asyncio.gather(*coros_or_futures, loop=None, return_exceptions=False)

  返回来自给定协程对象或future的future聚合结果。

  所有future必须共享相同的事件循环。如果所有task都成功完成，那么返回的future结果就是结果列表(按照原始序列的顺序，不一定是结果到达的顺序）。如果return_exceptions为true，则task中的异常将被视为成功的结果，并收集在结果列表中；否则，第一个抛出的异常将立即传递给返回的future。

  取消：如果外部Future被取消，则所有子项(尚未完成)也将被取消。如果任何子项被取消，这将被视为引发CancelledError错误——在这种情况下，外部Future不会被取消。（这是为了防止取消一个子项而导致其他子项被取消。）

• asyncio.iscoroutine(obj)
  如果obj是一个协程对象，该对象可能基于生成器或async def协程，则返回True。

• asyncio.iscoroutinefunction(func)
  如果func被判断为协程函数，则返回True，协程函数可以是被修饰的生成器函数或async def函数。

• asyncio.run_coroutine_threadsafe(coro, loop)

  向给定的事件循环提交一个协程对象。

  返回concurrent.futures.Future以访问结果。

  该函数被从不同于运行事件循环线程的线程调用。用法：

  # Create a coroutine
  coro = asyncio.sleep(1, result=3)
  
  # Submit the coroutine to a given loop
  future = asyncio.run_coroutine_threadsafe(coro, loop)
  
  # Wait for the result with an optional timeout argument
  assert future.result(timeout) == 3
  

  如果在协程中引发异常，则会通知返回的future。它还可以用于取消事件循环中的task：

  try:
      result = future.result(timeout)
  except asyncio.TimeoutError:
      print('The coroutine took too long, cancelling the task...')
      future.cancel()
  except Exception as exc:
      print('The coroutine raised an exception: {!r}'.format(exc))
  else:
      print('The coroutine returned: {!r}'.format(result))
  

  注意：
  与模块中的其他函数不同，run_coroutine_threadsafe() 要求显式传递loop参数。

  版本3.5.1中新增

• coroutine asyncio.sleep(delay, result=None, *, loop=None)

  创建一个给定秒数后完成的协程–阻塞指定的秒数。sleep函数还可以指定result参数，协程完成时将该参数值返回给调用者（默认返回None）

• asyncio.shield(arg, *, loop=None)
  等待future，保护它不被取消。

  语句:

  res = yield from shield(something())
  

  等价于:

  res = yield from something()
  

  除非包含它的协程被取消，否则在something()中运行的任务不会被取消。从something()的视角来看，并没法生取消。但是它的调用者仍然被取消，所以yield from表达式仍然会引发CancelledError。注意：如果通过其他方式取消了something()，这仍然会取消shield()。

  如果你想完全忽略取消（cancellation,不推荐），你可以将shield()与try/except子句结合使用，如下所示:

  try:
      res = yield from shield(something())
  except CancelledError:
      res = None
  

• coroutine asyncio.wait(futures, *, loop=None, timeout=None, return_when=ALL_COMPLETED)

  等待futures序列参数给定的Future和协程对象执行完成。协程将被封装在task中。返回两个Future集：(done，pending)。

  • futures序列参数不能为空。

  • timeout参数可用于控制返回前等待的最大秒数。timeout可以是int或float类型。如果未指定timeout参数或参数值为空，则没有等待时间限制，即永不超时。

  • return_when指示此函数何时返回。它必须是concurrent.futures模块的以下常量之一：

    • FIRST_COMPLETED 当任何future完成或被取消时，函数将返回。
    • FIRST_EXCEPTION 当任何future因为引发异常而结束时，函数将返回。如果没有future引发异常，那么它相当于ALL_COMPLETED。
    • ALL_COMPLETED当所有future结束或被取消时，函数将返回。

  这个函数是一个协程。

  用法:

  done, pending = yield from asyncio.wait(fs)
  

  注意
  这不会引发asyncio.TimeoutError。pending集合中存放的是发生超时时未完成的future。

• coroutine asyncio.wait_for(fut, timeout, *, loop=None)

  等待单个future或协程对象完成直到发生超时(如果超时限制的话)。如果timeout为None，则一直等待直到future完成。

  协程将被封装在Task中。

  函数返回Future或协同程序的结果。当发生超时时，将取消task并抛出asyncio.TimeoutError。为了避免任务取消，请将其封装在shield()中。

  如果取消wait，那么future fut也将被取消。

  该函数为一个协程，用法：

  result = yield from asyncio.wait_for(fut, 60.0)
  

参考连接：

https://www.shuzhiduo.com/A/gGdXlLmmd4/

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: 浅析AIGC for MMKG

摘要：AIGC和多模态知识图谱（MMKG）中的知识获取又是怎么实现的呢？他们之间有什么关联呢？ 本文分享自华为云社区《GPT-4发布，AIGC时代的多模态还能走多远？系列之四 AIGC for MMKG》，作者：码上开花_Lancer。 与传统知识图谱不同，M…