什么是異步編程？
同步代碼(synchrnous code)我們都很熟悉，就是運行完一個步驟再運行下一個。要在同步代碼里面實現"同時"運行多個任務，最簡單也是最直觀地方式就是運行多個 threads 或者多個 processes。這個層次的『同時運行』多個任務，是操作系統協助完成的。 也就是操作系統的任務調度系統來決定什么時候運行這個任務，什么時候切換任務，你自己，作為一個應用層的程序員，是沒辦法進行干預的。
我相信你也已經聽說了什么關於 thread 和 process 的抱怨：process 太重，thread 又要牽涉到很多頭條的鎖問題。尤其是對於一個 Python 開發者來說，由於GIL（全局解釋器鎖）的存在，多線程無法真正使用多核，如果你用多線程來運行計算型任務，速度會更慢。
異步編程與之不同的是，值使用一個進程，不使用 threads，但是也能實現"同時"運行多個任務（這里的任務其實就是函數）。
這些函數有一個非常 nice 的 feature：必要的可以暫停，把運行的權利交給其他函數。等到時機恰當，又可以恢復之前的狀態繼續運行。這聽上去是不是有點像進程呢？可以暫停，可以恢復運行。只不過進程的調度是操作系統完成的，這些函數的調度是進程自己（或者說程序員你自己）完成的。這也就意味着這將省去了很多計算機的資源，因為進程的調度必然需要大量 syscall，而 syscall 是很昂貴的。
一 定義一個簡單的協程：
import asyncio
async def execute(x):
print('Number:', x)
return x
coroutine = execute(1)
print('Coroutine:', coroutine)
print('After calling execute')
loop = asyncio.get_event_loop()
task = loop.create_task(coroutine)
print('Task:', task)
loop.run_until_complete(task)
print('Task:', task)
print('After calling loop')
# print('Task Result:', task.result()) 這樣也能查看task執行的結果
運行結果：
Coroutine: <coroutine object execute at 0x10e0f7830> After calling execute Task: <Task pending coro=<execute() running at demo.py:4>> Number: 1 Task: <Task finished coro=<execute() done, defined at demo.py:4> result=1> After calling loop
我們使用 async 定義了一個 execute() 方法，方法接收一個數字參數，方法執行之后會打印這個數字。
隨后我們直接調用了這個方法，然而這個方法並沒有執行，而是返回了一個 coroutine 協程對象。
隨后我們使用 get_event_loop() 方法創建了一個事件循環 loop，並調用了 loop 對象的 run_until_complete() 方法將協程注冊到事件循環 loop 中，然后啟動。最后我們才看到了 execute() 方法打印了輸出結果。
可見，async 定義的方法就會變成一個無法直接執行的 coroutine 對象，必須將其注冊到事件循環中才可以執行。
我們也可以不使用task來運行，它里面相比 coroutine 對象多了運行狀態，比如 running、finished 等，我們可以用這些狀態來獲取協程對象的執行情況。
將 coroutine 對象傳遞給 run_until_complete() 方法的時候，實際上它進行了一個操作就是將 coroutine 封裝成了 task 對象，如：
import asyncio async def execute(x): print('Number:', x) coroutine = execute(1) print('Coroutine:', coroutine) print('After calling execute') loop = asyncio.get_event_loop() loop.run_until_complete(coroutine) print('After calling loop')
查看了源碼，正好可以驗證上面這一觀點：
run_until_complete()這個方法位於源碼中的base_events.py，函數有句注釋：
Run until the Future is done.If the argument is a coroutine, it is wrapped in a Task.
二 發送網絡請求結合aiohttp實現異步：
我們用一個網絡請求作為示例，這就是一個耗時等待的操作，因為我們請求網頁之后需要等待頁面響應並返回結果。耗時等待的操作一般都是 IO 操作，比如文件讀取、網絡請求等等。協程對於處理這種操作是有很大優勢的，當遇到需要等待的情況的時候，程序可以暫時掛起，轉而去執行其他的操作，從而避免一直等待一個程序而耗費過多的時間，充分利用資源。為了測試，我自己先通過flask 創建一個實驗環境：
from flask import Flask
import time
app = Flask(__name__)
@app.route('/')
def index():
time.sleep(3)
return 'Hello!'
if __name__ == '__main__':
app.run(threaded=True)
開始測試...
import asyncio
import aiohttp
import time
start = time.time()
async def get(url):
session = aiohttp.ClientSession()
response = await session.get(url)
result = await response.text()
session.close()
return result
async def request():
url = 'http://127.0.0.1:5000' # 訪問flask搭建的服務器（睡眠3秒），模仿IO阻塞
print('Waiting for', url)
result = await get(url)
print('Get response from', url, 'Result:', result)
tasks = [asyncio.ensure_future(request()) for _ in range(5)]
loop = asyncio.get_event_loop()
loop.run_until_complete(asyncio.wait(tasks))
end = time.time()
print('Cost time:', end - start)
運行結果:
Waiting for http://127.0.0.1:5000 Waiting for http://127.0.0.1:5000 Waiting for http://127.0.0.1:5000 Waiting for http://127.0.0.1:5000 Waiting for http://127.0.0.1:5000 Get response from http://127.0.0.1:5000 Result: Hello! Get response from http://127.0.0.1:5000 Result: Hello! Get response from http://127.0.0.1:5000 Result: Hello! Get response from http://127.0.0.1:5000 Result: Hello! Get response from http://127.0.0.1:5000 Result: Hello! Cost time: 3.0199508666992188
我們發現這次請求的耗時由 15 秒變成了 3 秒，耗時直接變成了原來的 1/5。
代碼里面我們使用了 await，后面跟了 get() 方法，在執行這五個協程的時候，如果遇到了 await，那么就會將當前協程掛起，轉而去執行其他的協程，直到其他的協程也掛起或執行完畢，再進行下一個協程的執行。
二 總結
協程"同時"運行多個任務的基礎是函數可以暫停（await實際就是用到了yield）。上面的代碼中使用到了 asyncio的 event_loop，它做的事情，本質上來說就是當函數暫停時，切換到下一個任務，當時機恰當（這個例子中是請求完成了）恢復函數讓他繼續運行（這有點像操作系統了）。