原文：http://djangostars.com/blog/asynchronous-programming-in-python-asyncio/
译文：开源中国
如果你已经决定要理解 Python 的异步部分，欢迎来到我们的"Asyncio How-to "。
注：哪怕连异步范式的存在都不知道的情况下，你也可以成功地使用 Python。但是，如果你对底层运行模式感兴趣的话，asyncio 绝对值得查看。
异步是怎么一回事?
在传统的顺序编程中， 所有发送给解释器的指令会一条条被执行。此类代码的输出容易显现和预测。 但是…
譬如说你有一个脚本向 3 个不同服务器请求数据。 有时，谁知什么原因，发送给其中一个服务器的请求可能意外地执行了很长时间。想象一下从第二个服务器获取数据用了 10 秒钟。在你等待的时候，整个脚本实际上什么也没干。如果你可以写一个脚本可以不去等待第二个请求而是仅仅跳过它，然后开始执行第三个请求，然后回到第二个请求，执行之前离开的位置会怎么样呢。就是这样。你通过切换任务最小化了空转时间。尽管如此，当你需要一个几乎没有 I/O 的简单脚本时，你不想用异步代码。
还有一件重要的事情要提，所有代码在一个线程中运行。所以如果你想让程序的一部分在后台执行同时干一些其他事情，那是不可能的。
准备开始
这是 asyncio 主概念最基本的定义:
协程 — 消费数据的生成器，但是不生成数据。Python 2.5 介绍了一种新的语法让发送数据到生成器成为可能。我推荐查阅 David Beazley "A Curious Course on Coroutines and Concurrency" 关于协程的详细介绍。
任务 — 协程调度器。如果你观察下面的代码，你会发现它只是让 eventloop 尽快调用它的step ，同时 _step 只是调用协程的下一步。
class Task(futures.Future):
def __init__(self, coro, loop=None):
super().__init__(loop=loop)
...
self._loop.call_soon(self._step)
def _step(self):
...
try:
...
result = next(self._coro)
except StopIteration as exc:
self.set_result(exc.value)
except BaseException as exc:
self.set_exception(exc)
raise
else:
...
self._loop.call_soon(self._step)
事件循环 — 把它想成 asyncio 的中心执行器。
现在我们看一下所有这些如何融为一体。正如我之前提到的，异步代码在一个线程中运行。
从上图可知：
１．消息循环是在线程中执行
２．从队列中取得任务
３．每个任务在协程中执行下一步动作
４．如果在一个协程中调用另一个协程（await ），会触发上下文切换，挂起当前协程，并保存现场环境（变量，状态），然后载入被调用协程
５．如果协程的执行到阻塞部分（阻塞 I/O，Sleep），当前协程会挂起，并将控制权返回到线程的消息循环中，然后消息循环继续从队列中执行下一个任务．．．以此类推
6.队列中的所有任务执行完毕后，消息循环返回第一个任务
异步和同步的代码对比
现在我们实际验证异步模式的切实有效，我会比较两段 python 脚本，这两个脚本除了_sleep _方法外，其余部分完全相同。在第一个脚本里，我会用标准的 time.sleep 方法，在第二个脚本里使用 asyncio.sleep 的异步方法。
这里使用 Sleep 是因为它是一个用来展示异步方法如何操作 I/O 的最简单办法。
使用同步 sleep 方法的代码：
import asyncio
import time
from datetime import datetime
async def custom_sleep():
print('SLEEP', datetime.now())
time.sleep(1)
async def factorial(name, number):
f = 1
for i in range(2
, number 1):
print('Task {}: Compute factorial({})'.format(name, i))
await custom_sleep()
f *= i
print('Task {}: factorial({}) is {}n'.format(name, number, f))
start = time.time()
loop = asyncio.get_event_loop()
tasks = [
asyncio.ensure_future(factorial("A", 3)),
asyncio.ensure_future(factorial("B", 4)),
]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()
end = time.time()
print("Total time: {}".format(end - start))
脚本输出：
Task A: Compute factorial(2)
SLEEP 2017-04-06 13:39:56.207479
Task A: Compute factorial(3)
SLEEP 2017-04-06 13:39:57.210128
Task A: factorial(3) is 6
Task B: Compute factorial(2)
SLEEP 2017-04-06 13:39:58.210778
Task B: Compute factorial(3)
SLEEP 2017-04-06 13:39:59.212510
Task B: Compute factorial(4)
SLEEP 2017-04-06 13:40:00.217308
Task B: factorial(4)
is 24
Total time: 5.016386032104492
使用异步 Sleep 的代码：
import asyncio
import time
from datetime import datetime
async def custom_sleep():
print('SLEEP {}n'.format(datetime.now()))
await asyncio.sleep(1)
async def factorial(name, number):
f = 1
for i in range(2, number
1):
print('Task {}: Compute factorial({})'.format(name, i))
await custom_sleep()
f *= i
print('Task {}: factorial({}) is {}n'.format(name, number, f))
start = time.time()
loop = asyncio.get_event_loop()
tasks = [
asyncio.ensure_future(factorial("A", 3)),
asyncio.ensure_future(factorial("B", 4)),
]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()
end = time.time()
print("Total time: {}".format(end - start))
脚本输出：
Task A: Compute factorial(2)
SLEEP 2017-04-06 13:44:40.648665
Task B: Compute factorial(2)
SLEEP 2017-04-06 13:44:
40.648859
Task A: Compute factorial(3)
SLEEP 2017-04-06 13:44:41.649564
Task B: Compute factorial(3)
SLEEP 2017-04-06 13:44:41.649943
Task A: factorial(3) is 6
Task B: Compute factorial(4)
SLEEP 2017-04-06 13:44:42.651755
Task B: factorial(4) is 24
Total time: 3.008226156234741
从输出可以看到，异步模式的代码执行速度快了大概两秒。当使用异步模式的时候（每次调用 await asyncio.sleep(1) ），进程控制权会返回到主程序的消息循环里，并开始运行队列的其他任务（任务Ａ或者任务Ｂ）。
当使用标准的 sleep 方法时，当前线程会挂起等待。什么也不会做。实际上，标准的 sleep 过程中，当前线程也会返回一个 python 的解释器，可以操作现有的其他线程，但这是另一个话题了。
推荐使用异步模式编程的几个理由
很多公司的产品都广泛的使用了异步模式，如 Facebook 旗下著名的 React Native 和 RocksDB 。像 Twitter 每天可以承载 50 亿的用户访问，靠的也是异步模式编程。所以说,通过代码重构，或者改变模式方法，就能让系统工作的更快，为什么不去试一下呢？
题图：pexels，CC0 授权。
点击阅读原文，查看更多 Python 教程和资源。
