如何正确使用Python async功能？结合两类异步场景求解

模型A：串行依赖的异步调用（函数#3 → #2 → #1） #

这种场景下，函数间存在明确的依赖关系——必须等上游函数执行完成并返回结果，下游函数才能继续执行。此时await的作用就是暂停当前协程，等待依赖的异步任务完成，拿到结果后再恢复执行。

举个实际代码例子：

import asyncio

async def func1():
    print("开始执行func1")
    await asyncio.sleep(2)  # 模拟IO操作，比如网络请求、文件读取
    return "func1的结果"

async def func2():
    print("开始执行func2，等待func1完成")
    result1 = await func1()
    await asyncio.sleep(1)
    return f"func2处理了[{result1}]后的结果"

async def func3():
    print("开始执行func3，等待func2完成")
    result2 = await func2()
    return f"func3最终输出：[{result2}]"

async def main():
    final_result = await func3()
    print(final_result)

asyncio.run(main())

执行顺序是严格串行的：func3启动后先等func2，func2启动后等func1，func1完成后func2继续，func2完成后func3继续。整个流程总耗时约3秒（2+1），因为每一步都必须等前一步结束。

模型B：独立分支的并行异步调用 #

当两个任务完全独立、互不依赖时，就可以利用异步的优势让它们并行执行，避免不必要的等待。这里的关键是不要挨个await（那样会变成串行），而是用asyncio.gather()或者asyncio.create_task()来让事件循环同时调度多个协程。

错误示例（串行执行，浪费时间） #

import asyncio

async def task_a():
    print("启动task_a")
    await asyncio.sleep(3)
    return "task_a完成"

async def task_b():
    print("启动task_b")
    await asyncio.sleep(2)
    return "task_b完成"

async def main():
    # 挨个await会导致先等task_a完成，再启动task_b，总耗时5秒
    result_a = await task_a()
    result_b = await task_b()
    print(result_a, result_b)

asyncio.run(main())

正确示例（并行执行，节省时间） #

用asyncio.gather()一次性调度多个协程：

import asyncio

async def task_a():
    print("启动task_a")
    await asyncio.sleep(3)
    return "task_a完成"

async def task_b():
    print("启动task_b")
    await asyncio.sleep(2)
    return "task_b完成"

async def main():
    # 同时启动两个任务，事件循环会在它们等待IO时切换执行
    result_a, result_b = await asyncio.gather(task_a(), task_b())
    print(result_a, result_b)

asyncio.run(main())

或者用create_task显式创建任务对象：

async def main():
    task1 = asyncio.create_task(task_a())
    task2 = asyncio.create_task(task_b())
    result_a = await task1
    result_b = await task2
    print(result_a, result_b)

这两种写法的总耗时都是3秒（取最长任务的耗时），因为两个任务是并行执行的。

关键注意点 #

• await只能在异步函数（用async def定义）内部使用，它的作用是暂停当前协程，把控制权交还给事件循环，让其他协程有机会运行。
• 异步编程的优势主要体现在IO密集型任务（比如网络请求、数据库操作、文件读写），如果是CPU密集型任务，异步的效率不如多进程，因为Python的GIL锁会限制CPU并行。

内容的提问来源于stack exchange，提问作者zezo