高效处理并发任务和提升程序性能是至关重要的。Python 的异步编程为我们提供了一种强大的解决方案，而 `asyncio` 库则是实现这一目标的关键工具。
异步编程的核心思想是在等待某些操作（如网络请求、文件读取等）完成时，不阻塞程序的执行，而是让程序能够继续处理其他任务。这样可以极大地提高程序的效率和响应性。
asyncio 库提供了一系列的功能和方法来支持异步编程。首先，让我们看看如何定义一个异步函数。
import asyncio
async def my_async_function(name, delay):
print(f"Starting {name}")
await asyncio.sleep(delay)
print(f"Finished {name}")
在上述代码中，async 关键字用于定义异步函数，await 则用于暂停异步函数的执行，等待一个异步操作完成。
接下来，我们可以使用 asyncio.run 来运行异步函数。
asyncio.run(my_async_function("Task 1", 2))
但在实际应用中，通常需要同时处理多个异步任务。这时，可以使用 asyncio.create_task 来创建任务并将它们添加到事件循环中。
async def multiple_tasks():
task1 = asyncio.create_task(my_async_function("Task 1", 2))
task2 = asyncio.create_task(my_async_function("Task 2", 3))
await asyncio.gather(task1, task2)
asyncio.run(multiple_tasks())
asyncio.gather 用于等待多个异步任务完成。
再来看一个更具实际意义的例子，假设我们要实现一个异步的网络请求。
import aiohttp
async def fetch_data(url):
async with aiohttp.ClientSession() as session:
async with session.get(url) as response:
data = await response.text()
print(f"Fetched data from {url}: {data[:100]}...")
urls = ["https://example.com", "https://another.example.com"]
async def main():
tasks = [fetch_data(url) for url in urls]
await asyncio.gather(*tasks)
asyncio.run(main())
在这个例子中，我们使用 aiohttp 库进行异步的网络请求，能够同时获取多个网页的数据，而不会相互阻塞。
此外，asyncio 还支持处理异常。在异步函数中，可以使用 try/except 来捕获和处理异常。
async def async_function_with_error(name, delay):
try:
print(f"Starting {name}")
await asyncio.sleep(delay)
if delay > 4:
raise Exception(f"Error in {name}")
print(f"Finished {name}")
except Exception as e:
print(f"Error occurred in {name}: {e}")
asyncio.run(async_function_with_error("Task with Error", 5))
通过 asyncio 库的强大功能，我们能够轻松实现高效的异步编程，告别阻塞带来的性能瓶颈，为构建高性能、响应迅速的应用程序奠定坚实基础。
