Python异步编程高级项目教程_asyncio协程任务管理实战

Python异步编程的核心是协程任务的全生命周期管理：需显式创建并持有Task引用以防静默取消，用Semaphore限流防压垮服务，以gather(return_exceptions=True)结构化处理异常，并通过async context manager和信号监听实现优雅退出。

Python异步编程的核心在于高效调度协程任务，而 asyncio 不只是写 async/await，关键在如何组织、监控、取消、错误处理和资源协同——这才是真实项目中容易出问题的地方。

任务生命周期管理：别让协程“悄悄消失”

直接用 await coro() 是最简单的方式，但生产环境里往往需要并发执行多个协程，并控制它们的启停与状态。此时应显式创建 Task 对象：

• 用 asyncio.create_task() 启动后台任务，它会立即被调度，不阻塞当前协程
• 保存任务引用（如放进列表或字典），便于后续检查 task.done()、task.cancelled() 或调用 task.cancel()
• 避免只用 asyncio.ensure_future()（兼容旧代码），优先用 create_task() —— 它绑定当前事件循环，语义更清晰

注意：未被 await 或未被强引用的任务，可能在垃圾回收时被静默取消（尤其在 Python 3.12+ 更严格）。务必保留对活跃任务的引用。

并发控制与限流：防止压垮下游服务

同时发起几十个 HTTP 请求看似“快”，实则易触发限流、超时或连接耗尽。用 asyncio.Semaphore 实现协程级并发限制：

• 初始化 sem = asyncio.Semaphore(5) 表示最多 5 个协程同时执行临界操作（如 API 调用）
• 在协程中用 async with sem: 包裹实际请求逻辑，自动 acquire/release
• 配合 asyncio.wait_for() 设置单次请求超时，避免某个慢请求拖垮整组任务

进阶可封装为装饰器或上下文管理器，统一管控 IO 密集型操作的并发粒度。

异常传播与结构化错误处理

多个并发任务中，一个出错默认不会中断其他任务，但异常若未被显式获取，就会“丢失”：

• 用 asyncio.gather(..., return_exceptions=True) 收集所有结果（含异常对象），再统一判断处理
• 避免裸写 await asyncio.gather(t1, t2) —— 任一任务抛异常，整个 gather 就中断，其余任务可能被取消
• 对关键任务，单独 await 并 try/except；对非关键任务，可用 asyncio.create_task() + task.exception() 异步捕获

推荐模式：主流程用 gather(return_exceptions=True) 获取全部结果，再按类型分发日志、重试或告警。

清理与退出：确保 async context manager 和 shutdown 可靠

真实服务需优雅关闭：释放连接、保存状态、等待任务收尾。不能只靠 sys.exit() 或 Ctrl+C 硬杀：

• 使用 async with asynccontextmanager 管理数据库连接、HTTP 会话等资源，确保 __aexit__ 执行
• 监听信号（如 signal.SIGTERM），设置标志位并调用 asyncio.shield() 保护关键清理协程不被中断
• 退出前用 asyncio.wait(tasks, return_when=asyncio.ALL_COMPLETED) 等待活跃任务完成，或设最大等待时间后强制取消

特别注意：loop.close() 已不推荐；现代写法是让主协程自然结束，由运行器（如 asyncio.run() 或 uvloop.run()）负责清理。

异步不是加几个 await 就高枕无忧，真正决定项目健壮性的，是任务怎么生、怎么管、怎么错、怎么退。