Asyncio 入门：Python 异步编程的核心概念与案例

在 Python 生态中，异步编程已成为提升 I/O 密集型应用性能的关键技术。其核心在于通过单线程事件循环实现非阻塞并发，让程序在等待网络响应或文件读写时主动切换任务，从而显著提升资源利用率。23 本文将从基础概念切入，结合典型场景解析异步编程的实现逻辑。

一、异步编程的底层逻辑

1. 事件循环（Event Loop）

事件循环是异步程序的中枢调度器，负责监听任务状态并在 I/O 操作就绪时唤醒对应协程。3 其工作流程可类比现实中的多任务处理：当电饭煲煮饭时，用户可同时启动洗衣机洗衣，而非傻等饭熟。2 通过 asyncio.run() 启动的事件循环会自动管理任务生命周期，开发者无需手动创建线程池。

2. 协程（Coroutine）

协程是异步执行的基本单元，由 async def 定义的函数称为协程函数。3 其核心特性在于：

• ‌非阻塞挂起‌：遇到 await 表达式时，协程将控制权交还事件循环，允许其他任务运行。
• ‌状态保存‌：挂起时的局部变量和执行位置自动保留，恢复后继续执行。

pythonCopy Code

async def countdown(seconds): print(f"Counting down {seconds} seconds") await asyncio.sleep(seconds) # 主动让出控制权 print("Liftoff!")

二、异步编程的典型应用

1. 高并发网络请求

传统同步请求需按顺序等待响应，而异步模式可同时发起多个请求：

pythonCopy Code

import aiohttp async def fetch(url): async with aiohttp.ClientSession() as session: async with session.get(url) as response: return await response.text() async def main(): tasks = [fetch(f"https://example.com/{i") for i in range(5)] responses = await asyncio.gather(*tasks) # 并行获取结果 for res in responses: print(res[:100]) # 打印前100字符

此例中，事件循环在等待某个网站响应时，可立即处理其他请求，整体耗时接近最慢请求的完成时间。

2. 数据库异步操作

结合 asyncpg 等库可实现数据库并发查询：

pythonCopy Code

import asyncpg async def query_db(): async with asyncpg.create_pool("postgresql://user:pass@host/db") as pool: async with pool.acquire() as conn: return await conn.fetch("SELECT * FROM users")

连接池管理避免了频繁创建连接的开销，await 确保查询完成后再继续后续操作。3

三、异步编程的边界与进阶

1. 适用场景

• ‌I/O 密集型‌：网络请求、文件读写、数据库操作等场景性能提升显著。25
• ‌CPU 密集型‌：需结合多进程（如 asyncio.create_subprocess）绕过 GIL 限制。4

2. 常见陷阱

• ‌阻塞操作‌：在协程中同步调用 time.sleep() 会阻塞事件循环，必须改用 asyncio.sleep()。
• ‌资源泄漏‌：未关闭的数据库连接或文件句柄会导致内存耗尽，需使用 async with 管理资源。

3. 性能优化方向

• ‌任务批处理‌：将小任务合并为更大单元，减少调度开销。
• ‌错误处理‌：通过 try-except 捕获 await 表达式中的异常，防止单个任务崩溃影响全局。

结语

异步编程通过事件循环和协程机制，让单线程程序获得了接近多线程的并发能力。3 对于需要处理大量网络请求或实时数据流的应用，掌握 asyncio 已成为现代 Python 开发者的必备技能。从简单的爬虫到微服务架构，异步范式正重新定义高性能程序的实现方式。