Python案例中的协程如何使用？

wen python案例 2026-06-17 1

Python案例中的协程如何使用？从基础到实战，一文掌握异步编程

目录导读

什么是协程？为什么它比线程更适合IO密集型任务？
协程的核心概念：async、await与事件循环
实战案例一：使用asyncio实现并发网络请求
实战案例二：协程与aiohttp构建高效爬虫
实战案例三：协程在文件读写与数据库操作中的应用
常见问题与避坑指南（含问答）
何时该用协程,何时该用线程？

什么是协程？为什么它比线程更适合IO密集型任务？

协程（Coroutine） 是Python中一种轻量级的并发编程方式，它允许函数在执行过程中暂停，并在未来某个时刻恢复执行，与线程不同，协程的切换完全由程序控制（而非操作系统），因此开销极低——一个进程中可以轻松创建数十万个协程，而线程通常只能支持几千个。

Python案例中的协程如何使用？

为什么协程在IO密集型任务中表现优异？
因为当程序等待网络响应、磁盘读取或数据库查询时，协程可以主动让出CPU，去执行其他协程，而线程在IO等待时会被操作系统挂起，造成上下文切换开销，举个例子：如果你需要同时下载100个网页，使用线程会导致频繁切换，而协程只需一个线程即可高效完成。

问答环节
Q：协程能替代线程吗？
A：不能完全替代，对于CPU密集型任务（如视频编码、数学计算），多线程或多进程更合适，协程擅长IO密集型任务，如网络请求、文件读写、数据库操作。

协程的核心概念：`async`、`await`与事件循环

Python从3.5起通过async/await语法原生支持协程，理解以下三个概念是关键：

async def：定义一个协程函数，调用它返回一个协程对象，而非立即执行。
await：挂起当前协程，等待另一个协程或Future对象完成，仅能在async def内使用。
事件循环（Event Loop）：调度并执行协程的核心引擎。asyncio.run()是启动事件循环的最简方式。

基础示例：

import asyncio
async def say_hello():
    print("Hello")
    await asyncio.sleep(1)  # 模拟IO等待，让出CPU
    print("World")
asyncio.run(say_hello())  # 输出：Hello（1秒后）World

问答环节
Q：asyncio.sleep(1)与time.sleep(1)有什么区别？
A：time.sleep会阻塞整个线程，导致其他协程无法执行；而asyncio.sleep会挂起当前协程，让事件循环调度其他任务。

实战案例一：使用`asyncio`实现并发网络请求

假设我们需要从3个API获取数据,传统同步方式需要3秒（每请求1秒），使用协程可将其缩短至1秒。

代码实现：

import asyncio
import time
async def fetch_data(url, delay):
    await asyncio.sleep(delay)  # 模拟网络延迟
    return f"Data from {url}"
async def main():
    tasks = [
        fetch_data("https://api.example.com/1", 1),
        fetch_data("https://api.example.com/2", 1),
        fetch_data("https://api.example.com/3", 1)
    ]
    results = await asyncio.gather(*tasks)  # 并发执行所有协程
    print(results)  # 1秒后输出
start = time.time()
asyncio.run(main())
print(f"耗时：{time.time() - start:.2f}秒")  # 约1秒

关键点：

asyncio.gather()将多个协程打包并发执行，并收集结果。
如果其中一个协程抛出异常,其他协程仍会继续（除非设置return_exceptions=True）。

问答环节
Q：如果任务数量达到1000个，asyncio.gather会一次性创建所有任务吗？
A：是的，可通过asyncio.Semaphore限制并发数量，例如一次只允许10个请求并发。

实战案例二：协程与`aiohttp`构建高效爬虫

纯asyncio无法直接发送HTTP请求，需要搭配第三方库aiohttp，这是一个异步HTTP客户端。

安装： pip install aiohttp

示例：并发爬取5个网页

import asyncio
import aiohttp
async def fetch(session, url):
    async with session.get(url) as response:
        print(f"Got {url} with status {response.status}")
        return await response.text()
async def main():
    urls = [
        "https://www.example.com",
        "https://httpbin.org/get",
        "https://api.github.com",
        "https://jsonplaceholder.typicode.com/posts/1",
        "https://httpstat.us/200"
    ]
    async with aiohttp.ClientSession() as session:
        tasks = [fetch(session, url) for url in urls]
        pages = await asyncio.gather(*tasks)
        print(f"爬取完成，共{len(pages)}个页面")
asyncio.run(main())

性能对比： 同步爬取5个网页约5秒，协程版本可在1秒内完成（受网络延迟影响）。

问答环节
Q：aiohttp与requests库能混用吗？
A：不建议。requests是同步阻塞库，在协程中使用会阻塞事件循环，导致并发失效，必须使用异步库（如aiohttp、httpx）。

实战案例三：协程在文件读写与数据库操作中的应用

除了网络请求,协程也适用于文件系统操作和数据库查询，Python的aiofiles库提供异步文件读写，asyncpg或aiomysql提供异步数据库驱动。

异步文件写入示例（需安装aiofiles）：

import asyncio
import aiofiles
async def write_large_file():
    async with aiofiles.open("large.txt", "w") as f:
        for i in range(10000):
            await f.write(f"Line {i}\n")  # 非阻塞写入
    print("文件写入完成")
asyncio.run(write_large_file())

异步数据库查询（使用asyncpg示例）：

import asyncio
import asyncpg
async def query_db():
    conn = await asyncpg.connect(user='user', password='pass', 
                                 database='test', host='127.0.0.1')
    rows = await conn.fetch('SELECT * FROM users')
    await conn.close()
    return rows
result = asyncio.run(query_db())

问答环节
Q：为什么文件的write操作也需要异步？
A：普通文件写入在数据量大时仍然会阻塞线程，异步写入允许在等待磁盘操作时，事件循环去处理其他协程。

常见问题与避坑指南（含问答）

问题1：协程中的异常处理

协程中的异常会向上传播,若未被捕获，可能导致事件循环停止。

正确做法：

async def risky_task():
    try:
        # 可能出错的代码
        await asyncio.sleep(1)
        raise ValueError("出错")
    except Exception as e:
        print(f"异常已捕获：{e}")
asyncio.run(risky_task())

问题2：不要在协程中调用同步阻塞函数

例如在async def内使用time.sleep或requests.get，会阻塞整个事件循环。

解决方案： 使用asyncio.to_thread将同步函数交给线程池执行。

import time
import asyncio
async def main():
    await asyncio.to_thread(time.sleep, 2)  # 在单独的线程中阻塞

问题3：`asyncio.run`与`loop.run_until_complete`的区别

asyncio.run(coro)是Python 3.7+的推荐方式，自动管理事件循环创建与关闭。
loop.run_until_complete(coro)用于Python 3.6及以下，或需要手动控制事件循环时。

问答环节
Q：协程中能用return返回值吗？
A：可以，await coro()会返回该协程的return值，与普通函数一致。

何时该用协程，何时该用线程？

场景	推荐方案	理由
大量网络请求（爬虫、API调用）	协程	高并发，低内存开销
CPU密集型计算（矩阵运算、视频处理）	多进程（`multiprocessing`）	利用多核CPU
混合型任务（少量计算+大量IO）	协程+线程池	`asyncio.to_thread`平衡两者
GUI应用（Tkinter、PyQt）	协程	避免UI冻结