引言
现在，asyncio 已成为 Python 社区中的热门话题，并且名副其实——它提供了一种非常出色的处理 I/O 密集型程序的方法！在我探索 asyncio 的过程中，我起初并不太明白它的工作原理。但随着深入学习，我意识到 asyncio 实际上是在 Python 生成器的基础上增加了一层非常便利的封装。
本文中，我将展示如何仅用 Python 生成器来构建一个 asyncio 的简化模型。接着，我会演示如何利用 await 魔法方法，将示例代码改写为使用 async 和 await 关键字。最终，我会将我的简化版本替换为官方的 asyncio 库。通过这个过程，我相信你将对 asyncio 的神奇之处有一个更深入的理解。
Sleeping
如果我们沿用之前示例中的代码，我们可以通过 yield from 的应用，为我们的任务嵌入子生成器。例如，我在这里引入了一个休眠生成器，它会在指定的时间到达之前暂停任务的执行。这种机制之所以有效，是因为 sleep 函数会连续产生 yield，直到经过了设定的秒数，然后它将跳出 while 循环。
由于 sleep 函数中没有其他 yield 语句，这将引发一个 StopIteration 异常，这个异常告诉 yield from 语句在任务函数中跳过当前的生成器，继续执行下一行代码。
import time
def sleep(seconds):
start_time = time.time()
while time.time() - start_time < seconds:
yield
def task1():
while True:
print('Task 1')
yield from sleep(1)
def task2():
while True:
print('Task 2')
yield from sleep(5)
event_loop = [task1(), task2()]
while True:
for task in event_loop:
next(task)
输出：
Task 1
Task 2
Task 1
Task 1
Task 1
Task 1
Task 2
Task 1
…
Yield to Await
我们现在可以将之前的代码示例，通过应用 _await__ 魔术方法和 async 关键字，从使用 yield 转变为使用 await。如果一个类定义了 _await__ 方法，我们就可以在该类的实例前加上 await 关键字来调用这个方法。在 asyncio 框架中，你通常通过调用如 asyncio.create_task 这样的函数来处理 Task 对象。这些 Task 对象是从 asyncio 的 Future 对象派生而来的，而 Future 对象定义了 _await__ 方法。我们还可以在协程前使用 await，协程是在函数定义时加上 async 关键字生成的对象。协程和生成器函数类似，它们的执行都能够被挂起和恢复。
你可以将 await 关键字理解为 yield from 的一个变体，它附带了一些额外的验证规则。因此，当你在代码中写 await object 时，你实际上是在指示从 "object" 类的实例中调用 _await__ 方法，或者 "object" 本身可能就是另一个协程（类似于子生成器）。
实际上，你甚至可以查看 Asyncio 的源代码，发现 Future 对象中的 _await__ 方法在调用时，如果未来（或任务）尚未完成，它基本上只是执行了 yield 操作。
要将我们在上一节中编写的代码转移到使用 async 和 await，我们首先需要创建自己的 Task 类，因为函数不能具有 await dunder 方法。下面是我想出的一个简单版本：
from queue import Queue
event_loop = Queue()
class Task():
def __init__(self, generator):
self.iter = generator
self.finished = False
def done(self):
return self.finished
def __await__(self):
while not self.finished:
yield self
def create_task(generator):
task = Task(generator)
event_loop.put(task)
return task
这一次，我们改用队列而非 Python 列表来构建事件循环，这样做更合理，因为我们希望添加或移除任务的操作能够快速完成，即在常数时间内完成。
在我们的 Task 类中，我们将生成器对象保存在 self.iter 属性中，并设置 self.finished 属性为 False，用以跟踪生成器是否已经运行完毕（当生成器引发 StopIteration 异常时，表示其运行结束）。Task 对象还定义了一个 await 魔术方法，这个方法将持续地将控制权交还给事件循环，直到任务完成。完成 Task 对象的创建后，我们使用 create_task 辅助函数将它加入到事件循环中，这将安排它按计划执行。
接下来，我们将构建事件循环管理器，它负责驱动任务的执行。
def run(main):
event_loop.put(Task(main))
while not event_loop.empty():
task = event_loop.get()
try:
task.iter.send(None)
except StopIteration:
task.finished = True
else:
event_loop.put(task)
你或许已经发现，我们的实现开始接近 asyncio 的实际 API。要启动事件循环，我们需要通过一个初始函数来调用 run。这个函数首先将主函数封装进 Task 对象，并加入到事件循环中。随后，while 循环会启动，并且在每次迭代中，通过队列来获取下一个待执行的任务。现在我们使用 task.iter.send(None) 替代了 next(task.iter)，这在使用 async/await 关键字时显得有些奇特，但功能上是一致的。我们还需要将这个调用放在 try-except 块中，以便在抛出 StopIteration 异常时，可以将 task.finished 设置为 True；如果没有异常抛出，代码将执行 else 语句，这会把任务重新放回事件循环中，以便再次执行。
接下来，我们需要对 sleep 函数进行异步兼容改造。之前，我们通过一个带有 while 循环和单个 yield 的生成器函数来实现休眠功能。尽管我偏爱这种方法，但 await 关键字不能与生成器函数一起使用——它需要是一个定义了 await 魔术方法的对象或是一个协程函数。因此，为了解决这个问题，我将代码迁移到了另一个函数中，现在实际的 sleep 函数会创建一个任务对象并等待它完成。这个 await 调用将触发 Task 对象内的 await 方法，随后执行 yield，允许事件循环转向其他任务。当事件循环处理到新的 _sleep 任务时，它会检查时间，如果时间未到，同样会执行 yield，将控制权交还给事件循环。如果休眠的任务再次被事件循环调用，就像生成器保存其状态一样，协程仍在等待 sleep 函数返回。由于 sleep 函数还在等待 _sleep 任务完成，任务的 await 魔术方法将再次被调用，由于任务尚未结束，魔术方法中的 yield 将再次被执行。
import time
def _sleep(seconds):
start_time = time.time()
while time.time() - start_time < seconds:
yield
async def sleep(seconds):
task = create_task(_sleep(seconds))
return await task
以下是所有代码的汇总：
from queue import Queue
import time
event_loop = Queue()
def _sleep(seconds):
start_time = time.time()
while time.time() - start_time < seconds:
yield
async def sleep(seconds):
task = create_task(_sleep(seconds))
return await task
class Task():
def __init__(self, generator):
self.iter = generator
self.finished = False
def done(self):
return self.finished
def __await__(self):
while not self.finished:
yield self
def create_task(generator):
task = Task(generator)
event_loop.put(task)
return task
def run(main):
event_loop.put(Task(main))
while not event_loop.empty():
task = event_loop.get()
try:
task.iter.send(None)
except StopIteration:
task.finished = True
else:
event_loop.put(task)
既然我们已经成功构建了事件循环、任务创建机制和 sleep 函数，接下来我们可以引入名为 "jacobio.py" 的文件，并把之前使用 yield 语句的部分替换成 await 调用。同时，我们需要在那些使用了 await 的函数前加上 async 关键字，以表明这些函数是异步的，并且可以被其他代码等待执行。最后，我们还需要像在 asyncio 库中那样编写一个主函数，用于将任务排入事件循环的执行队列中。
import jacobio
async def task1():
for _ in range(2):
print('Task 1')
await jacobio.sleep(1)
async def task2():
for _ in range(3):
print('Task 2')
await jacobio.sleep(0)
async def main():
one = jacobio.create_task(task1())
two = jacobio.create_task(task2())
await one
await two
print('done')
if __name__ == '__main__':
jacobio.run(main())
输出：
Task 1
Task 2
Task 2
Task 2
Task 1
done
Await with AsyncIO
现在，我们可以从上面获取代码，并将所有出现的“jacobio”替换为“asyncio”，我们现在完全使用 asyncio 包！
import asyncio
async def task1():
for _ in range(2):
print('Task 1')
await asyncio.sleep(1)
async def task2():
for _ in range(3):
print('Task 2')
await asyncio.sleep(0)
async def main():
one = asyncio.create_task(task1())
two = asyncio.create_task(task2())
await one
await two
print('done')
if __name__ == '__main__':
asyncio.run(main())
Asyncio 在后台执行了许多复杂的操作，但我们成功地从基础的生成器出发，一步步重建了 asyncio 的核心功能！我努力使事件循环管理器的设计尽可能简洁，尽管这仅是 asyncio 工作理念的简化版，与实际的库相比，我的实现在细节上与官方源代码的执行流程有所不同。此外，既然我们现在拥有了完整的 asyncio 库的功能，就无需为了同时等待两个任务而分别创建它们；我们完全可以使用 asyncio.gather() 这样的函数来同时管理多个任务。
