在第48例中，我们学习了基于生成器的“原始协程”模型（使用 yield 与 send()）。
从 Python 3.5 开始，官方引入了 async / await 语法，
使协程编程更直观、更易读、更安全。

问题描述：

模拟一个异步网络请求场景：

• 通过 async 定义异步函数；

• 使用 await 模拟网络 IO；

• 同时运行多个任务，展示协程的并发特性。

代码示例：

import asyncioimport time# 异步任务async def fetch_data(name, delay):
    print(f"[{name}] 开始获取数据...")    await asyncio.sleep(delay)  # 模拟网络请求耗时
    print(f"[{name}] 数据获取完成，用时 {delay} 秒。")    return f"{name}_result"# 主协程async def main():
    start = time.time()    # 并发运行三个异步任务
    tasks = [
        fetch_data("任务A", 2),
        fetch_data("任务B", 3),
        fetch_data("任务C", 1)
    ]

    results = await asyncio.gather(*tasks)
    print("
所有任务完成，结果:", results)
    print("总耗时:", time.time() - start, "秒")# 运行异步程序asyncio.run(main())

运行结果示例：

[任务A] 开始获取数据...[任务B] 开始获取数据...[任务C] 开始获取数据...[任务C] 数据获取完成，用时 1 秒。[任务A] 数据获取完成，用时 2 秒。[任务B] 数据获取完成，用时 3 秒。

所有任务完成，结果: ['任务A_result', '任务B_result', '任务C_result']总耗时: 3.00 秒

执行原理解析：

1. 定义异步函数：
   使用 async def 定义协程函数。
   调用时不会立即执行，而是返回一个 协程对象。

2. await 的作用：
   表明“在这里暂停等待另一个协程完成”，
   让出控制权，让事件循环（Event Loop）去运行其他任务。

3. 并发调度：
   asyncio.gather() 用于并发运行多个协程，
   类似于 Promise.all()（在 JavaScript 中）。

执行流程图：

主任务 main()
 ├── fetch_data("任务A", 2)
 ├── fetch_data("任务B", 3)
 └── fetch_data("任务C", 1)

并发执行 → 等待最慢任务完成 → 汇总结果

注意：协程是并发而非并行（仍在单线程内切换）。
当某个任务 await 等待 IO 时，事件循环会自动切换到其他任务。

对比示例：同步 vs 异步

同步版本（串行执行）

import timedef fetch_data(name, delay):
    print(f"[{name}] 开始获取数据...")
    time.sleep(delay)
    print(f"[{name}] 数据获取完成，用时 {delay} 秒。")

start = time.time()
fetch_data("任务A", 2)
fetch_data("任务B", 3)
fetch_data("任务C", 1)
print("总耗时:", time.time() - start, "秒")

输出：

总耗时: 6 秒

异步版本：

总耗时: 3 秒

节省了一半时间。

应用场景：

异步协程在现代 Python 开发中广泛使用，尤其在：

• 网络编程（HTTP 请求、WebSocket）

• 爬虫框架（如 aiohttp、Scrapy）

• 高并发 API 服务（如 FastAPI、Sanic）

• 实时系统（消息队列、聊天系统）

总结：

✅ 优点：

• 高效、节省线程资源；

• 更容易控制任务间的并发；

• 是现代 Python 异步编程的核心。