御气篇- Day83 多任务并发执行

📖 知识点

核心思路

使用asyncio.create_task一次性创建多个异步任务，然后逐个 await 等待全部任务完成。并发：多个任务交替执行，IO 等待时切换，不是同一时刻多核并行计算。

示例代码

import asyncio

async def work(name, delay):
    print(f"{name} 启动，等待{delay}秒")
    await asyncio.sleep(delay)
    print(f"{name} 完成")

async def main():
    # 创建2个任务，提交调度
    task1 = asyncio.create_task(work("任务A",2))
    task2 = asyncio.create_task(work("任务B",2))
    # 等待两个任务全部结束
    await task1
    await task2

asyncio.run(main())

总耗时大约2 秒，而不是 4 秒！两个任务并发等待。

补充：asyncio.gather（批量收集任务）

当任务数量多的时候，asyncio.gather()可以一次性接收多个协程，自动创建任务，等待全部完成，并收集所有返回结果。

# gather写法，更简洁
async def main():
    await asyncio.gather(
        work("任务A",2),
        work("任务B",2)
    )

💡 两种方式对比

1. create_task + 逐个 await：可控性更强，可以单独控制每个任务

2. asyncio.gather：一次性批量运行，适合一次性发起一批查询，统一等待结果

⚠️ 重点提醒

• 并发的提速只体现在IO 等待阶段；CPU 密集计算不会提速

• 所有任务共享同一个事件循环，单线程内切换

⚔️ Kata 实战任务

任务需求：

1. 导入 asyncio

2. 协程函数query_data(name, wait)：打印{name}开始查询，await asyncio.sleep (wait)，打印{name}查询完成

3. main 协程，创建两个任务：

   • task1：query_data("查询1", 2)

   • task2：query_data("查询2", 2)

4. await 等待 task1、task2 全部执行完毕

5. 观察总耗时

参考代码

import asyncio

async def query_data(name, wait):
    print(f"{name}开始查询")
    await asyncio.sleep(wait)
    print(f"{name}查询完成")


async def main():
    # 创建2个并发任务
    task1 = asyncio.create_task(query_data("查询1", 2))
    task2 = asyncio.create_task(query_data("查询2", 2))

    print("全部任务已提交，开始并发执行")
    # 等待两个任务完成
    await task1
    await task2
    print("✅ 所有查询任务全部结束")


asyncio.run(main())

运行输出

全部任务已提交，开始并发执行
查询1开始查询
查询2开始查询
# 等待约2秒
查询1查询完成
查询2查询完成
✅ 所有查询任务全部结束

🧠 思考题

1. 两个任务都是等待 2 秒，并发执行总耗时约 2 秒，如果改成串行执行需要多久？

2. asyncio.gather 和 create_task 两种写法，你觉得分别适合什么场景？