IT技术社区_专业开发者平台_最新编程教程与解决方案 -沐辰社区

Python案例如何实现异步任务？

wen python案例 281

本文目录导读：

Python案例如何实现异步任务？

  1. 使用 asyncio 创建异步任务
  2. 使用 asyncio.Queue 实现任务队列
  3. 使用 aiohttp 实现异步HTTP请求
  4. 异步任务的实际应用案例
  5. 异步任务错误处理
  6. 高级用法：异步上下文管理器
  7. 性能对比：同步 vs 异步
  8. 最佳实践建议

我来详细介绍Python中实现异步任务的几种主要方式：

使用 asyncio 创建异步任务

基础示例：并发执行多个任务

import asyncio
import time
async def fetch_data(url, delay):
    """模拟异步获取数据"""
    print(f"开始获取数据: {url}")
    await asyncio.sleep(delay)  # 模拟网络延迟
    print(f"完成获取数据: {url}")
    return f"数据来自 {url}"
async def main():
    # 创建多个异步任务
    task1 = asyncio.create_task(fetch_data("api.example.com/user", 2))
    task2 = asyncio.create_task(fetch_data("api.example.com/posts", 3))
    task3 = asyncio.create_task(fetch_data("api.example.com/comments", 1))
    # 等待所有任务完成
    results = await asyncio.gather(task1, task2, task3)
    for result in results:
        print(f"结果: {result}")
# 运行
asyncio.run(main())

使用 asyncio.gather() 和 asyncio.wait()

import asyncio
import random
async def download_file(file_id, size):
    """模拟下载文件"""
    print(f"开始下载文件 {file_id} (大小: {size}MB)")
    await asyncio.sleep(size / 10)  # 模拟下载速度
    print(f"完成下载文件 {file_id}")
    return {"file_id": file_id, "size": size}
async def process_files():
    # 创建多个下载任务
    files = [
        (1, 50),
        (2, 30),
        (3, 80),
        (4, 20)
    ]
    tasks = [download_file(fid, size) for fid, size in files]
    # 方法1: 使用 gather - 等待所有任务完成
    print("=== 使用 gather ===")
    results = await asyncio.gather(*tasks)
    print(f"所有文件下载完成: {results}")
    # 方法2: 使用 wait - 可以设置超时或等待特定任务
    print("\n=== 使用 wait ===")
    tasks = [download_file(fid, size) for fid, size in files]
    done, pending = await asyncio.wait(
        tasks, 
        timeout=5,  # 超时5秒
        return_when=asyncio.FIRST_COMPLETED  # 第一个完成就返回
    )
    print(f"完成的任务: {len(done)}")
    print(f"未完成的任务: {len(pending)}")
    # 取消未完成的任务
    for task in pending:
        task.cancel()
asyncio.run(process_files())

使用 asyncio.Queue 实现任务队列

import asyncio
import random
async def worker(worker_id, queue):
    """工作线程"""
    while True:
        # 从队列获取任务
        task = await queue.get()
        if task is None:
            break
        url, delay = task
        print(f"Worker-{worker_id}: 处理 {url} (需要{delay}秒)")
        await asyncio.sleep(delay)
        print(f"Worker-{worker_id}: 完成 {url}")
        queue.task_done()
    print(f"Worker-{worker_id}: 结束工作")
async def main():
    # 创建任务队列
    queue = asyncio.Queue()
    # 添加任务
    tasks_data = [
        ("api.example.com/data1", 2),
        ("api.example.com/data2", 1),
        ("api.example.com/data3", 3),
        ("api.example.com/data4", 1.5),
        ("api.example.com/data5", 2.5),
    ]
    for task in tasks_data:
        await queue.put(task)
    # 创建3个worker
    workers = [
        asyncio.create_task(worker(i, queue))
        for i in range(3)
    ]
    # 添加停止信号
    for _ in range(3):
        await queue.put(None)
    # 等待所有worker完成
    await asyncio.gather(*workers)
asyncio.run(main())

使用 aiohttp 实现异步HTTP请求

import asyncio
import aiohttp
async def fetch_url(session, url):
    """异步获取URL内容"""
    try:
        async with session.get(url) as response:
            print(f"请求: {url} -> 状态码: {response.status}")
            return await response.text()
    except Exception as e:
        print(f"请求失败 {url}: {e}")
        return None
async def download_multiple_urls():
    urls = [
        "https://httpbin.org/delay/2",
        "https://httpbin.org/delay/1",
        "https://httpbin.org/delay/3",
        "https://httpbin.org/get"
    ]
    async with aiohttp.ClientSession() as session:
        # 创建所有请求任务
        tasks = [fetch_url(session, url) for url in urls]
        # 并发执行所有请求
        results = await asyncio.gather(*tasks)
        for url, content in zip(urls, results):
            if content:
                print(f"{url}: 获取到内容长度 {len(content)}")
    print("所有请求完成!")
asyncio.run(download_multiple_urls())

异步任务的实际应用案例

批量数据处理系统

import asyncio
import random
import time
class AsyncDataProcessor:
    """异步数据处理系统"""
    def __init__(self, max_concurrent=5):
        self.semaphore = asyncio.Semaphore(max_concurrent)
        self.results = []
    async def process_item(self, item_id):
        """处理单个数据项"""
        async with self.semaphore:  # 限制并发数
            print(f"开始处理项目 {item_id}")
            # 模拟处理时间
            processing_time = random.uniform(1, 3)
            await asyncio.sleep(processing_time)
            result = {
                "id": item_id,
                "processed_at": time.time(),
                "data": f"处理结果-{item_id}"
            }
            print(f"完成处理项目 {item_id} (耗时: {processing_time:.2f}s)")
            return result
    async def process_batch(self, item_ids):
        """批量处理数据"""
        tasks = [self.process_item(item_id) for item_id in item_ids]
        # 使用 gather 收集所有结果
        results = await asyncio.gather(*tasks)
        return results
    async def progressive_processing(self, item_ids):
        """渐进式处理（边处理边获取结果）"""
        for coro in asyncio.as_completed(
            [self.process_item(item_id) for item_id in item_ids]
        ):
            result = await coro
            print(f"获取到结果: {result['id']}")
            self.results.append(result)
async def main():
    processor = AsyncDataProcessor(max_concurrent=3)
    # 准备数据
    items = list(range(1, 11))  # 10个数据项
    print("=== 批量处理模式 ===")
    start_time = time.time()
    results = await processor.process_batch(items[:5])
    print(f"批量处理完成，耗时: {time.time() - start_time:.2f}s")
    print(f"结果: {len(results)} 项")
    print("\n=== 渐进式处理模式 ===")
    start_time = time.time()
    await processor.progressive_processing(items[5:])
    print(f"渐进式处理完成，耗时: {time.time() - start_time:.2f}s")
    print(f"结果: {len(processor.results)} 项")
asyncio.run(main())

异步任务错误处理

import asyncio
import random
async def risky_task(task_id):
    """可能失败的任务"""
    delay = random.uniform(1, 3)
    await asyncio.sleep(delay)
    if random.random() < 0.3:  # 30%概率失败
        raise ValueError(f"任务 {task_id} 失败!")
    return f"任务 {task_id} 成功完成"
async def safe_executor():
    """安全的异步执行器"""
    tasks = [
        risky_task(1),
        risky_task(2),
        risky_task(3),
        risky_task(4),
        risky_task(5)
    ]
    # 使用 gather 的 return_exceptions 参数
    results = await asyncio.gather(*tasks, return_exceptions=True)
    success_count = 0
    fail_count = 0
    for i, result in enumerate(results, 1):
        if isinstance(result, Exception):
            print(f"任务 {i} 失败: {result}")
            fail_count += 1
        else:
            print(f"任务 {i} 成功: {result}")
            success_count += 1
    print(f"\n总计: 成功 {success_count}, 失败 {fail_count}")
async def controlled_execution():
    """带控制的任务执行"""
    tasks = [
        risky_task(1),
        risky_task(2),
        risky_task(3)
    ]
    # 使用 wait 和超时控制
    done, pending = await asyncio.wait(
        tasks,
        timeout=2.5,  # 2.5秒超时
        return_when=asyncio.ALL_COMPLETED
    )
    # 处理完成的任务
    for task in done:
        try:
            result = task.result()
            print(f"任务完成: {result}")
        except Exception as e:
            print(f"任务异常: {e}")
    # 取消超时的任务
    for task in pending:
        task.cancel()
        print(f"任务因超时被取消")
asyncio.run(safe_executor())

高级用法：异步上下文管理器

import asyncio
class AsyncResource:
    """异步资源管理器"""
    async def __aenter__(self):
        print("初始化异步资源...")
        await asyncio.sleep(1)
        self.resource = "异步资源"
        return self
    async def __aexit__(self, exc_type, exc_val, exc_tb):
        print("清理异步资源...")
        await asyncio.sleep(0.5)
        print("资源清理完成")
    async def use(self):
        print(f"使用 {self.resource}")
        await asyncio.sleep(0.5)
        return "操作成功"
async def main():
    # 使用异步上下文管理器
    async with AsyncResource() as resource:
        result = await resource.use()
        print(f"结果: {result}")
    print("操作完成")
asyncio.run(main())

性能对比：同步 vs 异步

import asyncio
import time
# 同步版本
def sync_operations():
    def sync_work(delay, name):
        print(f"同步-{name}: 开始")
        time.sleep(delay)
        print(f"同步-{name}: 完成")
        return f"{name} 结果"
    start = time.time()
    result1 = sync_work(2, "A")
    result2 = sync_work(1, "B")
    result3 = sync_work(3, "C")
    print(f"同步总耗时: {time.time() - start:.2f}秒")
    return [result1, result2, result3]
# 异步版本
async def async_operations():
    async def async_work(delay, name):
        print(f"异步-{name}: 开始")
        await asyncio.sleep(delay)
        print(f"异步-{name}: 完成")
        return f"{name} 结果"
    start = time.time()
    # 同时启动所有任务
    results = await asyncio.gather(
        async_work(2, "A"),
        async_work(1, "B"),
        async_work(3, "C")
    )
    print(f"异步总耗时: {time.time() - start:.2f}秒")
    return results
def compare():
    print("=== 同步执行 ===")
    sync_results = sync_operations()
    print("\n=== 异步执行 ===")
    async_results = asyncio.run(async_operations())
    print(f"\n同步耗时: 约6秒 (2+1+3)")
    print(f"异步耗时: 约3秒 (取最大值 3)")
if __name__ == "__main__":
    compare()

最佳实践建议

  1. 合理使用并发限制：使用 asyncio.Semaphore 控制并发数
  2. 适当的错误处理：使用 return_exceptions=True 避免单个任务失败影响整体
  3. 超时控制：使用 asyncio.wait(timeout=...) 避免任务卡死
  4. 优雅关闭：正确处理任务取消和资源清理
  5. 选择合适的异步库：如 aiohttp、aiomysql、aioredis 等

这些示例涵盖了Python异步编程的主要模式和最佳实践,可以根据实际需求选择合适的实现方式。

版权声明：NBA直播 NBA直播 NBA直播 NBA直播 NBA直播 NBA直播 NBA直播 NBA直播 NBA直播 NBA直播 NBA直播 NBA直播 NBA直播 NBA直播 NBA直播 NBA直播 NBA直播 NBA直播 CBA直播 CBA直播 CBA直播 CBA直播 CBA直播 CBA直播 CBA直播 CBA直播 CBA直播 CBA直播 CBA直播 CBA直播 CBA直播 CBA直播 CBA直播 CBA直播 CBA直播 CBA直播 足球直播 足球直播 足球直播 足球直播 足球直播 足球直播 足球直播 足球直播 足球直播 足球直播 足球直播 足球直播 足球直播 足球直播 足球直播 足球直播 足球直播 足球直播 英超直播 英超直播 英超直播 英超直播 英超直播 英超直播 英超直播 英超直播 英超直播 英超直播 英超直播 英超直播 英超直播 英超直播 英超直播 英超直播 英超直播 英超直播

上一篇Python案例怎么使用async异步？

下一篇Python案例怎么实现进程通信？

相关文章

抱歉，评论功能暂时关闭!

友情链接攻略窝 · 礼包窝 · 配置窝 · 换算窝 · 算法窝 · 查文窝 · 手册窝 · 问答窝 · 全文搜 · 手册库
相关站点礼包窝 · 查文窝