在學習協程之前，你需要先知道協程是什麼？協程又稱為微執行緒，一個程式可以包含多個協程，可以對比與一個程式包含多個執行緒，因而下面我們來比較協程和執行緒。我們知道多個執行緒相對獨立，有自己的上下文，切換受系統控制；而協程也相對獨立，有自己的上下文，但是其切換由自己控制。 協程是一個執行緒執行，兩個子過程通過相互協作完成某個任務。協程和子程式呼叫很像，但協程是在子程式內部中斷去執行別的子程式，適當時候返回接著執行，中斷有別於函式呼叫。
好了，廢話不多說，我們直接上例項，結合實戰來搞懂這個不算特別容易理解的概念。之後，我們再由淺入深，直擊協程的核心。
我們先看一個簡單的爬蟲例子：
import time
def crawl_page(url):
print('crawling {}'.format(url))
time.sleep(2)
print('OK {}'.format(url))
a=['url1', 'url2', 'url3', 'url4']
start=time.time()
for url in a:
crawl_page(url)
end=time.time()
print('use {}'.format(end-start))
###輸出
crawling url1
OK url1
crawling url2
OK url2
crawling url3
OK url3
crawling url4
OK url4
use 8.007500886917114
這是一個很簡單的爬蟲函式執行時，調取 crawl_page() 函式進行網路通訊，經過2秒等待後收到結果，然後執行下一個。4個url抓取耗費了8s的時間。下面我們來看看協程的實現。
import asyncio
async def crawl_page(url):
print('crawling {}'.format(url))
await asyncio.sleep(2)
print('OK {}'.format(url))
async def run(urls):
for url in urls:
await crawl_page(url)
start=time.time()
asyncio.run(run(['url1', 'url2', 'url3', 'url4']))
end=time.time()
print('use {}s'.format(end-start))
####輸出
crawling url1
OK url1
crawling url2
OK url2
crawling url3
OK url3
crawling url4
OK url4
use 8.012088060379028s
也許你會發現，怎麼還是耗時8s，和順序執行沒任何區別啊，這什麼玩意。你說對了，我們先帶著這個疑問繼續往下看。在講解之前，我們先分析一下這個程式碼，首先來看 import asyncio（注意是在python3.7版本以上才可以哦），這個庫包含了大部分我們實現協程所需的魔法工具。
async 修飾詞宣告非同步函式，於是，這裡的 crawl_page 和 run 都變成了非同步函式。而呼叫非同步函式，我們便可得到一個協程物件（coroutine object）。
我們再來說說協程的執行。這裡我介紹一下常用的三種。
-
我們可以通過 await 來呼叫。await 執行的效果，和 Python 正常執行是一樣的，也就是說程式會阻塞在這裡，進入被呼叫的協程函式，執行完畢返回後再繼續，而這也是 await 的字面意思。程式碼中 await asyncio.sleep(sleep_time) 會在這裡休息若干秒，await crawl_page(url) 則會執行 crawl_page() 函式。
-
我們可以通過 asyncio.create_task() 來建立任務，這個我們下節課會詳細講一下，你先簡單知道即可。
-
我們需要 asyncio.run 來觸發執行。asyncio.run 這個函式是 Python 3.7 之後才有的特性，可以讓 Python 的協程介面變得非常簡單，你不用去理會事件迴圈怎麼定義和怎麼使用的問題（我們會在下面講）。
到此，我們應該可以看懂上面的程式碼了吧，不懂也沒關係，我們繼續分析。還記得上面await 是同步呼叫，因此， crawl_page(url) 在當前的呼叫結束之前，是不會觸發下一次呼叫的。於是，這個程式碼效果就和上面完全一樣了，相當於我們用非同步介面寫了個同步程式碼。我們接下來就來真正寫一個非同步的程式碼。
import asyncio
async def crawl_page(url):
print('crawling {}'.format(url))
await asyncio.sleep(2)
print('OK {}'.format(url))
async def run(urls):
tasks = []
for url in urls:
tasks.append(asyncio.create_task(crawl_page(url)))
for task in tasks:
await task
start=time.time()
urls=['url1', 'url2', 'url3', 'url4']
asyncio.run(run(urls))
end=time.time()
print('use {}s'.format(end-start))
####輸出#####
crawling url1
crawling url2
crawling url3
crawling url4
OK url1
OK url2
OK url3
OK url4
use 2.0025851726531982s
你可以看到，我們有了協程物件後，便可以通過 asyncio.create_task 來建立任務。任務建立後很快就會被排程執行，這樣，我們的程式碼也不會阻塞在任務這裡。所以，我們要等所有任務都結束才行，用for task in tasks: await task 即可。
下面我們來深入分析一下協程的執行過程。
import asyncio
async def worker_1():
print('worker_1 start')
await asyncio.sleep(1)
print('worker_1 done')
async def worker_2():
print('worker_2 start')
await asyncio.sleep(2)
print('worker_2 done')
async def run():
task1 = asyncio.create_task(worker_1())
task2 = asyncio.create_task(worker_2())
print('before await')
await task1
print('awaited worker_1')
await task2
print('awaited worker_2')
start=time.time()
asyncio.run(run())
end=time.time()
print('use {}s'.format(end-start))
#####結果#####
before await
worker_1 start
worker_2 start
worker_1 done
awaited worker_1
worker_2 done
awaited worker_2
use 2.001868963241577s
讓我們來執行分析一下。
-
asyncio.run(run())，程式進入 run() 函式，事件迴圈開啟。
-
task1 和 task2 任務被建立，並進入事件迴圈等待執行；執行到 print，輸出 'before await'；
-
await task1 執行，使用者選擇從當前的主任務中切出，事件排程器開始排程 worker_1；
-
worker_1 開始執行，執行 print 輸出'worker_1 start'，然後執行到 await asyncio.sleep(1)， 從當前任務切出，事件排程器開始排程 worker_2；
-
worker_2 開始執行，執行 print 輸出 'worker_2 start'，然後執行 await asyncio.sleep(2) 從當前任務切出；
-
一秒鐘後，worker_1 的 sleep 完成，事件排程器將控制權重新傳給 task_1，輸出 'worker_1 done'，task_1 完成任務，從事件迴圈中退出；
-
await task1 完成，事件排程器將控制器傳給主任務，輸出 'awaited worker_1'，然後在 await task2 處繼續等待；
-
兩秒鐘後，worker_2 的 sleep 完成，事件排程器將控制權重新傳給 task_2，輸出 'worker_2 done'，task_2 完成任務，從事件迴圈中退出；
-
主任務輸出 'awaited worker_2'，協程全任務結束，事件迴圈結束。
最後我們來總結一下今天的內容。
-
協程和多執行緒的區別，主要在於兩點，一是協程為單執行緒；二是協程由使用者決定，在哪些地方交出控制權，切換到下一個任務。
-
協程的寫法更加簡潔清晰，把 async、await 和 create_task 結合來用，對於中小級別的併發需求已經毫無壓力。
歡迎大家留言和我交流。
