Powtórka z async/await w Pythonie
Powtórzą Państwo podstawowe pojęcia programowania asynchronicznego w Pythonie, w tym pętle zdarzeń i korutyny.
Powtórka z async/await w Pythonie to bezpłatna lekcja FastAPI Backend Development Bootcamp na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej FastAPI Backend Development Bootcamp, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs FastAPI Backend Development Bootcamp zawiera 4 lekcji w sumie.
Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.
Intro to Asynchronous Python
Welcome to the world of asynchronous programming in Python! This allows your programs to do multiple things without waiting for each task to finish before starting the next.
It's super useful for tasks that involve waiting, like network requests or reading/writing files, where your program would otherwise just sit idle.
Sync vs. Async: The Wait Game
Imagine cooking dinner:
- Synchronous: You chop vegetables, then wait for them to cook, then wash dishes. Only one task happens at a time.
- Asynchronous: You chop vegetables, put them on the stove, and while they're cooking (waiting), you start washing dishes. You're doing multiple things 'concurrently' by switching tasks when one is waiting.
Asynchronous programming helps your program stay busy instead of waiting!
The `async` Keyword: Coroutines
In Python, we use the async keyword to define a special type of function called a coroutine. A coroutine is a function that can be paused and resumed.
It doesn't run immediately when called; instead, it returns a 'coroutine object' that needs to be scheduled by an event loop to run.
import asyncio
async def hello_world():
print("Hello, async world!")
# Calling it directly doesn't run it!
# It returns a coroutine object.
coro_obj = hello_world()
print(f"Type of coro_obj: {type(coro_obj)}")
# To actually run it, you need an event loop.
# We'll see how in a moment!
`await`: Pausing Execution
The await keyword is used inside an async def function (a coroutine) to pause its execution until another awaitable (like another coroutine or a Future) completes.
When a coroutine awaits something, it temporarily gives control back to the event loop, allowing other tasks to run. This is key to non-blocking behavior.
import asyncio
async def cook_rice():
print("Starting to cook rice...")
await asyncio.sleep(2) # Simulate 2 seconds of cooking
print("Rice is cooked!")
async def chop_veg():
print("Chopping vegetables...")
await asyncio.sleep(1) # Simulate 1 second of chopping
print("Vegetables chopped!")
async def main_meal():
await chop_veg() # Wait for chopping to finish
await cook_rice() # Then wait for rice to cook
print("Dinner is ready!")
# This will run sequentially for now.
# We'll make it concurrent soon!
asyncio.run(main_meal())
The Event Loop: The Orchestrator
Think of the event loop as the conductor of an orchestra. It's responsible for:
- Scheduling when coroutines run.
- Handling I/O events (like network data arriving).
- Switching between tasks when one is waiting (e.g., due to
await).
Python's asyncio module provides the infrastructure for the event loop.
Running Async Code with `asyncio.run()`
To execute an asynchronous program, you typically use asyncio.run(). This function:
- Gets an event loop for the current thread.
- Runs the provided coroutine until it completes.
- Manages the event loop's lifecycle.
It's the simplest way to start your top-level async function.
import asyncio
async def say_hello():
print("Hello from coroutine!")
await asyncio.sleep(0.5) # Wait for 0.5 seconds
print("Goodbye from coroutine!")
async def main():
print("Starting async program...")
await say_hello()
print("Async program finished.")
# This is the entry point for your async application
asyncio.run(main())
Simulating Non-Blocking Operations
asyncio.sleep() is an 'awaitable' that pauses the current coroutine for a given time. Crucially, it does NOT block the entire program. While one coroutine is sleeping, the event loop can switch to and run other coroutines.
This is how asynchronous programming achieves concurrency without needing multiple threads.
import asyncio
import time
async def task_one():
print(f"Task One started at {time.strftime('%X')}")
await asyncio.sleep(2)
print(f"Task One finished at {time.strftime('%X')}")
async def task_two():
print(f"Task Two started at {time.strftime('%X')}")
await asyncio.sleep(1)
print(f"Task Two finished at {time.strftime('%X')}")
async def main():
start_time = time.monotonic()
await task_one()
await task_two()
end_time = time.monotonic()
print(f"Total time: {end_time - start_time:.2f} seconds")
asyncio.run(main())
Concurrent Execution with `asyncio.gather`
To truly run multiple coroutines concurrently (meaning they can interleave their execution when one awaits), we use asyncio.gather().
asyncio.gather() takes multiple awaitables and schedules them to run 'in parallel' on the event loop, waiting for all of them to complete.
import asyncio
import time
async def fetch_data(delay, name):
print(f"Fetching {name} data... (starts at {time.strftime('%X')})")
await asyncio.sleep(delay) # Simulate network request
print(f"Finished {name} data. (ends at {time.strftime('%X')})")
return f"Data from {name}"
async def main():
start_time = time.monotonic()
# Run fetch_data for 'users' and 'products' concurrently
user_data, product_data = await asyncio.gather(
fetch_data(2, "users"),
fetch_data(1, "products")
)
end_time = time.monotonic()
print(f"\nReceived: {user_data}, {product_data}")
print(f"Total time: {end_time - start_time:.2f} seconds")
asyncio.run(main())
Async/Await Concepts Check
Which of the following statements about Python's async and await keywords are TRUE?
Refresher Recap & Next Steps
Fantastic! You've refreshed your understanding of Python's asynchronous fundamentals:
- Asynchronous programming helps manage I/O-bound tasks efficiently.
async defdefines coroutines, functions that can be paused.awaitpauses a coroutine, yielding control to the event loop.- The event loop orchestrates coroutine execution.
asyncio.run()starts your async application.asyncio.gather()allows running multiple coroutines concurrently.
Next, we'll see how FastAPI leverages these powerful concepts to build high-performance web APIs!
Często zadawane pytania
Czy lekcja „Powtórka z async/await w Pythonie” jest bezpłatna?
Tak — pełny tekst „Powtórka z async/await w Pythonie” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu FastAPI Backend Development Bootcamp, przejdź na CoddyKit PRO. Kurs FastAPI Backend Development Bootcamp zawiera 4 lekcji w sumie.
Co nauczysz się w „Powtórka z async/await w Pythonie”?
Powtórzą Państwo podstawowe pojęcia programowania asynchronicznego w Pythonie, w tym pętle zdarzeń i korutyny. Ćwiczysz FastAPI Backend Development Bootcamp z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć FastAPI Backend Development Bootcamp?
Nie wymagamy żadnego doświadczenia. FastAPI Backend Development Bootcamp w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.
Ile czasu zajmuje lekcja „Powtórka z async/await w Pythonie”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji FastAPI Backend Development Bootcamp?
Tak. Każda lekcja FastAPI Backend Development Bootcamp zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Powtórka z async/await w Pythonie
- FastAPI i operacje asynchroniczne
- Wykonywanie zadań w tle
- WebSockets do komunikacji w czasie rzeczywistym