引言

你是否遇到过这样的场景：程序需要同时下载多个网页、处理大量I/O请求，但用普通同步代码时，每个请求都要等待上一个完成，整个程序慢得像老牛拉车？Python的asyncio就是为解决这类问题而生的。它让你能用“单线程+事件循环”的方式，写出高效、易维护的并发程序。

本文将从核心概念出发，配合完整的实战爬虫示例，帮你彻底搞懂asyncio。即使你是异步编程新手，也能跟着代码一步步运行起来，感受异步带来的速度提升。

---

一、核心概念：协程、事件循环与可等待对象

1. 协程（coroutine）

协程是asyncio的核心。你可以把它理解为一种特殊的函数：它可以在中途“暂停”，把控制权交还给调度器，等条件满足后再从暂停点恢复执行。Python中定义协程非常简单：

import asyncio

async def my_coroutine():
    print("开始执行")
    await asyncio.sleep(1)  # 模拟异步等待
    print("等待结束")

关键点：
- 使用async def定义。
- 内部使用await挂起当前协程，等待另一个可等待对象完成。

2. 事件循环（Event Loop）

事件循环是asyncio的发动机。它负责调度和运行所有协程，处理I/O事件、定时任务等。你可以把它想象成一个不停循环的“管家”，检查哪些协程可以继续执行，并快速切换。

平时使用时，我们一般不需要直接创建事件循环，asyncio.run()会帮我们搞定一切：

asyncio.run(my_coroutine())  # 自动创建事件循环并运行

3. 可等待对象（Awaitable）

能在await后面使用的对象，被称为“可等待对象”。主要分为三类：
- 协程（Coroutines）：用async def定义的函数对象。
- 任务（Tasks）：用来并发执行多个协程。
- Future：底层对象，代表一个异步操作的最终结果，通常不需要直接创建。

当你在一个协程里await另一个可等待对象时，当前协程会挂起，直到等待的对象完成并返回结果。

---

二、创建多个任务：并发执行

如果只是顺序await多个协程，那和同步没有区别。要实现真正的并发，需要将协程包装成Task，交给事件循环同时调度。

1. 使用asyncio.create_task()

import asyncio
import time

async def fetch_data(task_id, delay):
    print(f"任务{task_id}开始，等待{delay}秒...")
    await asyncio.sleep(delay)
    print(f"任务{task_id}结束")
    return f"数据{task_id}"

async def main():
    # 创建两个任务，它们会并发运行
    task1 = asyncio.create_task(fetch_data(1, 2))
    task2 = asyncio.create_task(fetch_data(2, 1))

    print("任务已创建，等待完成...")

    # 等待任务完成并获取结果
    result1 = await task1
    result2 = await task2

    print(f"获得结果: {result1}, {result2}")

start = time.time()
asyncio.run(main())
print(f"总耗时: {time.time() - start:.2f}秒")

运行结果：

任务已创建，等待完成...
任务1开始，等待2秒...
任务2开始，等待1秒...
任务2结束
任务1结束
获得结果: 数据1, 数据2
总耗时: 2.00秒

可以看到，两个任务总耗时只有2秒（最长等待时间），而不是3秒（顺序执行的总和）。这正是并发的魅力。

2. 使用asyncio.gather()

gather可以同时运行多个可等待对象，并返回结果列表：

async def main():
    results = await asyncio.gather(
        fetch_data(1, 2),
        fetch_data(2, 1),
        fetch_data(3, 0.5)
    )
    print(f"所有结果: {results}")

gather的方便之处在于，你不需要逐一创建Task，它会自动把协程包装成任务执行。如果其中一个任务抛出异常，默认会立即传播，也可以通过return_exceptions=True将异常当作正常结果返回。

---

三、实战示例：异步爬虫，速度对比

下面我们写一个完整的异步爬虫，利用aiohttp并发请求多个URL，并与同步版本对比速度。

环境准备：pip install aiohttp

```python
import asyncio
import time
import aiohttp
import requests

要爬取的URL列表（示例用了几个公开的接口）

URLS = [
"https://httpbin.org/delay/1",
"https://httpbin.org/delay/2",
"https://httpbin.org/delay/1",
"https://httpbin.org/delay/3",
]