Блог / JavaScript + Ajax / Асинхронне програмування в Python: майстер-клас по async/await

Асинхронне програмування в Python: майстер-клас по async/await

Дізнайтеся, як асинхронне програмування з async/await в Python може кардинально прискорити ваші I/O-застосунки. Покрокове керівництво з простими поясненнями та реальними прикладами коду для початківців та досвідчених розробників.

Ви коли-небудь писали код, який годинами чекає на відповідь від сервера, запит до бази даних або читання великого файлу? У світі синхронного програмування одна операція повинна завершитися, перш ніж почнеться наступна. Це схоже на кухаря, який готує лише одну страву за раз: він не почне нарізати овочі, доки не закипить вода. Ефективно? Навряд чи. Асинхронне програмування змінює правила гри. Воно дозволяє вашій програмі "жонглювати" кількома задачами одночасно, перемикаючись на іншу справу, поки поточна очікує на зовнішню подію (наприклад, відповідь від мережі). У Python для цього існує потужний інструментарій — синтаксис async/await, вбудований у бібліотеку asyncio. Ця стаття — ваш путівник у світ асинхронності, який допоможе зробити ваші програми швидшими та ефективнішими.

Що таке асинхронне програмування? Якщо коротко, асинхронність — це модель виконання коду, де задачі можуть запускатися, призупинятися та відновлюватися незалежно одна від одної. Це ідеально підходить для **I/O-bound** задач (задач, обмежених швидкістю вводу/виводу).
**Аналогія з баристою:**

* **Синхронний бариста:** Приймає замовлення, готує каву, віддає її клієнту. Тільки після цього він переходить до наступного клієнта. Вся черга чекає.

* **Асинхронний бариста:** Приймає замовлення, ставить молоко нагріватися (поки воно гріється, він вільний), меле каву для іншого замовлення, повертається до молока, яке вже нагрілося, і завершує перше замовлення. Він ефективно використовує час очікування. Так само і програма з async/await: поки вона чекає на відповідь від API, вона може виконувати інші корисні обчислення або надсилати інші запити.

Ключові концепції: async, await та asyncio Щоб зрозуміти магію асинхронності в Python, потрібно засвоїти три основні компоненти.

`async def`: Створення корутини

Ключове слово async перед визначенням функції перетворює її зі звичайної функції на **корутину** (coroutine). Корутина — це особливий тип функції, виконання якої можна призупинити та відновити.

import asyncio

async def my_coroutine():
    print("Початок виконання корутини")
    await asyncio.sleep(1) # Призупиняємо виконання на 1 секунду
    print("Корутина завершена")

Сама по собі корутина нічого не робить. Виклик my_coroutine() лише створить об'єкт корутини, але не запустить її.

`await`: Очікування результату

Ключове слово await використовується всередині async функції для того, щоб "призупинити" її виконання і передати управління назад до циклу подій (event loop). Цикл подій може в цей час запустити іншу задачу. Коли операція, на яку ми чекали (наприклад, asyncio.sleep(1)), завершиться, виконання корутини відновиться з того ж місця. Важливо: await можна використовувати **тільки** всередині async def функції.

`asyncio`: Диригент вашого оркестру

asyncio — це стандартна бібліотека Python, яка надає інфраструктуру для запуску та управління асинхронними програмами. Її серце — це **цикл подій (event loop)**, який є тим самим "диригентом", що вирішує, яка корутина буде виконуватися в даний момент.

Практичний приклад: від синхронного до асинхронного коду Давайте побачимо різницю на реальному прикладі. Уявімо, що нам потрібно "завантажити" дані з трьох різних джерел, і кожне завантаження триває певну кількість часу.

Синхронна версія

Спочатку напишемо звичайний синхронний код.

import time

def fetch_data(source_id, delay):
    print(f"Починаю завантаження з джерела {source_id}...")
    time.sleep(delay) # Імітація довгого I/O запиту
    print(f"Завантаження з джерела {source_id} завершено.")
    return {"data": f"Дані з джерела {source_id}"}

def main():
    start_time = time.time()
    
    fetch_data(1, 2) # Чекаємо 2 секунди
    fetch_data(2, 1) # Чекаємо 1 секунду
    fetch_data(3, 3) # Чекаємо 3 секунди
    
    end_time = time.time()
    print(f"Загальний час виконання: {end_time - start_time:.2f} секунд.")

main()

# Очікуваний вивід:
# Починаю завантаження з джерела 1...
# Завантаження з джерела 1 завершено.
# Починаю завантаження з джерела 2...
# Завантаження з джерела 2 завершено.
# Починаю завантаження з джерела 3...
# Завантаження з джерела 3 завершено.
# Загальний час виконання: 6.00 секунд.

Як бачимо, загальний час — це сума всіх затримок (2 + 1 + 3 = 6 секунд).

Асинхронна версія

Тепер перепишемо цей код з використанням async/await.

import asyncio
import time

async def fetch_data_async(source_id, delay):
    print(f"Починаю асинхронне завантаження з джерела {source_id}...")
    await asyncio.sleep(delay) # Неблокуюча пауза
    print(f"Асинхронне завантаження з джерела {source_id} завершено.")
    return {"data": f"Дані з джерела {source_id}"}

async def main_async():
    start_time = time.time()
    
    # Створюємо задачі, щоб вони могли виконуватися одночасно
    task1 = asyncio.create_task(fetch_data_async(1, 2))
    task2 = asyncio.create_task(fetch_data_async(2, 1))
    task3 = asyncio.create_task(fetch_data_async(3, 3))
    
    # Чекаємо, доки всі задачі завершаться
    await asyncio.gather(task1, task2, task3)
    
    end_time = time.time()
    print(f"Загальний час асинхронного виконання: {end_time - start_time:.2f} секунд.")

# Запускаємо асинхронну головну функцію
asyncio.run(main_async())

# Очікуваний вивід (порядок може відрізнятися):
# Починаю асинхронне завантаження з джерела 1...
# Починаю асинхронне завантаження з джерела 2...
# Починаю асинхронне завантаження з джерела 3...
# Асинхронне завантаження з джерела 2 завершено.
# Асинхронне завантаження з джерела 1 завершено.
# Асинхронне завантаження з джерела 3 завершено.
# Загальний час асинхронного виконання: 3.01 секунд.

Результат вражає! Загальний час виконання тепер дорівнює часу найдовшої операції (3 секунди), а не їх сумі. Всі запити виконувалися *конкурентно*.

Коли варто використовувати async/await? Асинхронний підхід не є універсальним рішенням. Він сяє в наступних сценаріях:

* **Мережеві операції:** веб-скрапінг, робота з API, WebSocket-сервери, боти для месенджерів.

* **Робота з базами даних:** виконання багатьох запитів одночасно.

* **Операції з файловою системою:** асинхронне читання/запис файлів. Водночас він **не підходить** для **CPU-bound** задач (обмежених потужністю процесора), таких як складні математичні обчислення, обробка зображень чи відео. Для таких задач краще використовувати багатопроцесорність (multiprocessing).

Висновок Асинхронне програмування в Python за допомогою async/await — це потужний інструмент для створення високопродуктивних та масштабованих додатків, особливо коли ваша програма багато часу проводить в очікуванні. Перехід від синхронного до асинхронного мислення може здатися складним, але переваги у швидкості та ефективності використання ресурсів варті витрачених зусиль. Почніть з невеликих експериментів, перепишіть одну з ваших I/O-задач, і ви на власні очі побачите, як ваша програма оживає. Якщо у вас виникли питання, потрібна консультація або ви хочете обговорити свій проєкт, не соромтеся написати мені на пошту: **isholegg@gmail.com**.
***
**Ключові слова:** асинхронне програмування, Python, async, await, asyncio, корутини, оптимізація продуктивності, I/O-bound, веб-скрапінг, розробка на Python, цикл подій.
**Meta ** Покроковий гайд по асинхронному програмуванню в Python з використанням async/await. Дізнайтеся, як прискорити свої I/O-застосунки, з прикладами коду та детальними поясненнями ключових концепцій.

Якщо у вас виникли питання, вбо ви бажаєте записатися на індивідуальний урок, замовити статтю (інструкцію) або придбати відеоурок, пишіть нам на:
скайп: olegg.pann
telegram, viber - +380937663911
додавайтесь у телеграм-канал: t.me/webyk
email: oleggpann@gmail.com
ми у fb: www.facebook.com/webprograming24
Обов`язково оперативно відповімо на усі запитіння