第4章 async/await 语法详解

协程这玩意儿，说白了就是能暂停又能恢复的函数。Python 用 async def 定义它，用 await 挂起它。我刚开始学的时候总觉得跟生成器很像，后来踩了几个坑才明白——差远了。

4.1 定义协程：async def

定义一个协程，就在 def 前面加个 async。就这么简单。但调用它的时候不会立即执行，而是返回一个协程对象。你想想看，这跟普通函数完全不一样。

async def fetch_data(url):
    # 模拟网络请求
    return f"data from {url}"

# 调用后返回协程对象，不会执行里面的代码
coro = fetch_data("https://api.example.com")
print(coro)  # <coroutine object fetch_data at 0x...>

4.2 await 表达式：挂起与恢复

await 后面跟一个可等待对象（awaitable）。协程、Future、Task 都算。遇到 await 时，当前协程会暂停，把控制权交还给事件循环。等被等待的对象完成了，再回来继续往下走。

import asyncio

async def slow_op():
    await asyncio.sleep(1)      # 暂停1秒，不阻塞线程
    return "done"

async def main():
    result = await slow_op()    # 等待 slow_op 完成
    print(result)               # 输出 "done"

asyncio.run(main())

4.3 协程 vs 普通函数：一张表看透

4.4 实战：用 async/await 写一个并发下载器

光说理论不够。我给你看一段我在项目中真的用过的代码。那次需要从三个 API 同时拉数据，串行要 3 秒，改成协程只花 1 秒。

import asyncio
import time

async def download(url):
    print(f"开始下载 {url}")
    await asyncio.sleep(1)  # 模拟 IO
    print(f"完成下载 {url}")
    return f"内容来自 {url}"

async def main():
    tasks = [
        download("https://api.a.com"),
        download("https://api.b.com"),
        download("https://api.c.com"),
    ]
    results = await asyncio.gather(*tasks)
    return results

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

4.5 避坑指南（我的血泪史）

• 别在协程里用 time.sleep()——它会阻塞整个线程，所有协程都得等着。用 asyncio.sleep() 才行。我曾经在异步爬虫里误用了 time.sleep(0.5)，结果并发变成串行，速度没提升，反而比同步还慢。
• await 只能等可等待对象——记住只有协程、Task、Future 能跟 await。普通函数、整数、字符串都不行。你想想看，如果在一个整数前面加 await，Python 会直接告诉你 TypeError: object int can't be used in 'await' expression。
• 协程里不要写 CPU 密集型操作——协程是协作式调度，如果你在协程里做大量计算，事件循环会被卡住，其他协程就饿死了。遇到 CPU 密集任务，扔给线程池或者进程池处理。

4.6 一张图搞懂 async/await 执行流程

下面这张 SVG 流程图，展示了一个简单协程从定义到执行完毕的完整过程。注意箭头上的 await 如何让控制权在协程和事件循环之间切换。

图中左边解释了协程内部发生了什么，右边展示了事件循环如何穿插调度。核心就是：await 是协程的“暂停点”，事件循环是“调度员”。记住这个模型，你会觉得异步编程其实也没那么玄乎。