当使用标准的 sleep方法时，当前线程会挂起等待。什么也不会做。实际上，标准的 sleep 过程中，当前线程也会返回一个 python 的解释器，可以操作现有的其他线程，但这是另一个话题了。 　　异步是怎么一回事? 　　在传统的顺序编程中， 所有发送给解释器的指令会一条条被执行。此类代码的输出容易显现和预测。 但是… 　　譬如说你有一个脚本向3个不同服务器请求数据。 有时，谁知什么原因，发送给其中一个服务器的请求可能意外地执行了很长时间。想象一下从第二个服务器获取数据用了10秒钟。在你等待的时候，整个脚本实际上什么也没干。如果你可以写一个脚本可以不去等待第二个请求而是仅仅跳过它，然后开始执行第三个请求，然后回到第二个请求，执行之前离开的位置会怎么样呢。就是这样。你通过切换任务最小化了空转时间。尽管如此，当你需要一个几乎没有I/O的简单脚本时，你不想用异步代码。 　　还有一件重要的事情要提，所有代码在一个线程中运行。所以如果你想让程序的一部分在后台执行同时干一些其他事情，那是不可能的。 　　准备开始 　　这是 asyncio 主概念最基本的定义: 　　协程— 消费数据的生成器，但是不生成数据。Python 2.5 介绍了一种新的语法让发送数据到生成器成为可能。我推荐查阅David Beazley “A Curious Course on Coroutines and Concurrency” 关于协程的详细介绍。 　　任务— 协程调度器。如果你观察下面的代码，你会发现它只是让 event_loop 尽快调用它的_step ，同时 _step 只是调用协程的下一步。 　　class Task(futures.Future): 　　def __init__(self, coro, loop=None): 　　super().__init__(loop=loop) 　　... 　　self._loop.call_soon(self._step) 　　def _step(self): 　　... 　　try: 　　... 　　result = next(self._coro) 　　except StopIteration as exc: 　　self.set_result(exc.value) 　　except BaseException as exc: 　　self.set_exception(exc) 　　raise 　　else: 　　... 　　self._loop.call_soon(self._step) 　　事件循环— 把它想成 asyncio 的中心执行器。 　　现在我们看一下所有这些如何融为一体。正如我之前提到的，异步代码在一个线程中运行。 　　从上图可知： 　　1.消息循环是在线程中执行. 　　2.从队列中取得任务. 　　3.每个任务在协程中执行下一步动作. 　　4.如果在一个协程中调用另一个协程(await )，会触发上下文切换，挂起当前协程，并保存现场环境(变量，状态)，然后载入被调用协程. 　　5.如果协程的执行到阻塞部分(阻塞I/O，Sleep)，当前协程会挂起，并将控制权返回到线程的消息循环中，然后消息循环继续从队列中执行下一个任务...以此类推. 　　6.队列中的所有任务执行完毕后，消息循环返回第一个任务. 　　异步和同步的代码对比 　　现在我们实际验证异步模式的切实有效，我会比较两段 python 脚本，这两个脚本除了 sleep 方法外，其余部分完全相同。在第一个脚本里，我会用标准的 time.sleep 方法，在第二个脚本里使用 asyncio.sleep 的异步方法。 　　这里使用 Sleep 是因为它是一个用来展示异步方法如何操作 I/O 的最简单办法。 　　使用同步 sleep 方法的代码： 　　import asyncio 　　import time 　　from datetime import datetime 　　async def custom_sleep(): 　　print('SLEEP', datetime.now()) 　　time.sleep(1) 　　async def factorial(name, number): 　　f = 1 　　for i in range(2, number+1): 　　print('Task {}: Compute factorial({})'.format(name, i)) 　　await custom_sleep() 　　f *= i 　　print('Task {}: factorial({}) is {}\n'.format(name, number, f)) 　　start = time.time() 　　loop = asyncio.get_event_loop() 　　tasks = [ 　　asyncio.ensure_future(factorial("A", 3)), 　　asyncio.ensure_future(factorial("B", 4)), 　　] 　　loop.run_until_complete(asyncio.wait(tasks)) 　　loop.close() 　　end = time.time() 　　print("Total time: {}".format(end - start)) 　　脚本输出： 　　Task A: Compute factorial(2) 　　SLEEP 2017-04-06 13:39:56.207479 　　Task A: Compute factorial(3) 　　SLEEP 2017-04-06 13:39:57.210128 　　Task A: factorial(3) is 6 　　Task B: Compute factorial(2) 　　SLEEP 2017-04-06 13:39:58.210778 　　Task B: Compute factorial(3) 　　SLEEP 2017-04-06 13:39:59.212510 　　Task B: Compute factorial(4) 　　SLEEP 2017-04-06 13:40:00.217308 　　Task B: factorial(4) is 24 　　Total time: 5.016386032104492 　　使用异步 Sleep 的代码： 　　import asyncio 　　import time 　　from datetime import datetime 　　async def custom_sleep(): 　　print('SLEEP {}\n'.format(datetime.now())) 　　await asyncio.sleep(1) 　　async def factorial(name, number): 　　f = 1 　　for i in range(2, number+1): 　　print('Task {}: Compute factorial({})'.format(name, i)) 　　await custom_sleep() 　　f *= i 　　print('Task {}: factorial({}) is {}\n'.format(name, number, f)) 　　start = time.time() 　　loop = asyncio.get_event_loop() 　　tasks = [ 　　asyncio.ensure_future(factorial("A", 3)), 　　asyncio.ensure_future(factorial("B", 4)), 　　] 　　loop.run_until_complete(asyncio.wait(tasks)) 　　loop.close() 　　end = time.time() 　　print("Total time: {}".format(end - start)) 　　脚本输出： 　　Task A: Compute factorial(2) 　　SLEEP 2017-04-06 13:44:40.648665 　　Task B: Compute factorial(2) 　　SLEEP 2017-04-06 13:44:40.648859 　　Task A: Compute factorial(3) 　　SLEEP 2017-04-06 13:44:41.649564 　　Task B: Compute factorial(3) 　　SLEEP 2017-04-06 13:44:41.649943 　　Task A: factorial(3) is 6 　　Task B: Compute factorial(4) 　　SLEEP 2017-04-06 13:44:42.651755 　　Task B: factorial(4) is 24 　　Total time: 3.008226156234741 　　从输出可以看到，异步模式的代码执行速度快了大概两秒。当使用异步模式的时候(每次调用 await asyncio.sleep(1) )，进程控制权会返回到主程序的消息循环里，并开始运行队列的其他任务(任务A或者任务B)。 　　当使用标准的 sleep方法时，当前线程会挂起等待。什么也不会做。实际上，标准的 sleep 过程中，当前线程也会返回一个 python 的解释器，可以操作现有的其他线程，但这是另一个话题了。 　　推荐使用异步模式编程的几个理由 　　很多公司的产品都广泛的使用了异步模式，如 Facebook 旗下著名的 React Native 和 RocksDB 。像 Twitter 每天可以承载 50 亿的用户访问，靠的也是异步模式编程。所以说,通过代码重构，或者改变模式方法，就能让系统工作的更快，为什么不去试一下呢?