
作者:小K
来源:麦叔编程
❝
上次的关于进程、线程和协程的文章,很多粉丝留言表示想看协程的实际案例。
❞
❝
那么今天就来结合代码实际讲一个协程的实际应用。
在此之前,我希望大家能已经理解什么是串行、并行和并发的概念。如果你还不知道这三者的区别请前往Python三分钟第131篇复习学习。
❞
定义一个洗衣服函数,洗衣服过程时间为2秒。
睡眠
import timedef wash_clothes(): time.sleep(2) # 洗衣服def run(): for i in range(20): wash_clothes() print(f"衣服洗好了!当前时间:{time.time()}") if __name__ == '__main__': run()
运行结果:
衣服洗好了!当前时间:1659618457.003896衣服洗好了!当前时间:1659618459.005437衣服洗好了!当前时间:1659618461.0056782衣服洗好了!当前时间:1659618463.010311衣服洗好了!当前时间:1659618465.013951衣服洗好了!当前时间:1659618467.018253衣服洗好了!当前时间:1659618469.022136衣服洗好了!当前时间:1659618471.022881衣服洗好了!当前时间:1659618473.023118衣服洗好了!当前时间:1659618475.027102衣服洗好了!当前时间:1659618477.030786衣服洗好了!当前时间:1659618479.032495衣服洗好了!当前时间:1659618481.037195衣服洗好了!当前时间:1659618483.040722衣服洗好了!当前时间:1659618485.041149衣服洗好了!当前时间:1659618487.046405衣服洗好了!当前时间:1659618489.0484421衣服洗好了!当前时间:1659618491.050224衣服洗好了!当前时间:1659618493.055479衣服洗好了!当前时间:1659618495.0585659
我们可以看出,函数间隔2秒多一点点输出一次时间。
注意代码中注释
import timeimport asyncio# 异步函数定义需要在def前加async前缀async def wash_clothes(): # sleep也需要使用协程专用的模块支持,同步的库不能在异步中使用 asyncio.sleep(2) print(f"衣服洗好了!当前时间:{time.time()}")def run(): for i in range(20): # 将协程函数注册到loop(循环事件)中 loop.run_until_complete(wash_clothes())# 创建一个协程loop(循环事件)中loop = asyncio.get_event_loop()if __name__ =='__main__': run()
运行结果:
衣服洗好了!当前时间:1659619085.0939178衣服洗好了!当前时间:1659619085.094379衣服洗好了!当前时间:1659619085.095523衣服洗好了!当前时间:1659619085.095926衣服洗好了!当前时间:1659619085.097046衣服洗好了!当前时间:1659619085.0985332衣服洗好了!当前时间:1659619085.099058衣服洗好了!当前时间:1659619085.099848衣服洗好了!当前时间:1659619085.101115衣服洗好了!当前时间:1659619085.101917衣服洗好了!当前时间:1659619085.1026182衣服洗好了!当前时间:1659619085.103351衣服洗好了!当前时间:1659619085.1034582衣服洗好了!当前时间:1659619085.1035311衣服洗好了!当前时间:1659619085.1042402衣服洗好了!当前时间:1659619085.1052392衣服洗好了!当前时间:1659619085.106337衣服洗好了!当前时间:1659619085.106577衣服洗好了!当前时间:1659619085.107519衣服洗好了!当前时间:1659619085.108191
从运行结果看出,20桶衣服几乎在同0.1秒内洗完了。
❝
重点:协程函数内不能使用同步的函数或模块,否则将不会被异步运行。
❞
上一篇Python我提了协程执行的过程就像,“一个人启动一台洗衣机后,马上去使用第二台洗衣机,再第三台...第四台...第十台”。
「当洗衣机启动后的状态就等于是挂起了」
然后协程马上去启动下一台洗衣机...一直到结束。
在某种意义上说,处理IO密集型任务协程的速度会高于多线程,因为线程的创建和销毁需要消耗更多资源。
如果将这个大杀器用于网络爬虫,那不是速度要上天了?
是的,协程爬虫超猛。以前亲测比scrapy要快。
下期将从两个话题中选出一个:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23