浅谈下Python中的async，await_python的async await
最近在看一些开源代码中，经常会看到Python代码里面总有一些async，await之类的语法，难道我是老古董，之前没见过这种玩法？不过这玩意究竟能干点啥？还是自己亲身体验下才能理解深刻。
Python中的async和await是实现异步编程的关键语法，它们基于协程（coroutine）机制，让你可以在不使用传统线程和锁的情况下编写高效的并发代码。
异步编程允许程序在等待 I/O 操作（如网络请求、文件读写）完成时继续执行其他任务，而不是阻塞等待。这特别适合 I/O 密集型 场景（如爬虫、API 调用）。
下面是我使用python调用ollama API，对async功能进行测试：
这里我使用本地的Ollama API接口，现有模型如下：
使用requests的经典调用方式：
import requests
url = "http://10.133.254.123:11434/api/generate"
data = {
"model": "qwen2.5:7b",
"prompt": "鱼香肉丝的做法",
"stream": False
}
response = requests.post(url, json=data)
if response.status_code == 200:
result = response.json()
print("生成的文本：", result.get("response"))
else:
print("请求失败，状态码：", response.status_code)
print("错误信息：", response.text)我在jupyter中跑出来的效果
下面是使用async后的
import asyncio
import aiohttp
async def call_ollama_async():
url = "http://localhost:11434/api/generate"
data = {
"model": "deepseek-r1:8b",
"prompt": "菠萝咕咾肉怎么做好吃？",
"stream": False
}
async with aiohttp.ClientSession() as session:
async with session.post(url, json=data) as response:
if response.status == 200:
result = await response.json()
print("异步生成的文本：", result.get("response"))
else:
print("请求失败，状态码：", response.status)
print("错误信息：", await response.text())
asyncio.run(call_ollama_async())这个直接在Jupyter中执行有报错：
asyncio.run() cannot be called from a running event loop
查了下出错原因，难道是在Jupyter中运行出现了嵌套调用？
- 避免嵌套调用：永远不要在一个已经运行的事件循环中调用 asyncio.run()。
- 使用 await 或 asyncio.gather()：在异步函数中调用其他异步函数时，使用 await 或创建任务来并发执行。
- 多线程作为最后手段：只有在确实需要独立运行事件循环时，才考虑在新线程中创建事件循环。
将代码保存成py文件，使用python执行没有问题，效果如下：
直接结果：
当需要同时向 Ollama 接口发起多个请求时，async/await的优势就凸显出来了，如：
async def multiple_calls():
tasks = []
prompts = ["鱼香肉丝做法", "菠萝咕咾肉做法", "糖醋排骨的做法"]
for prompt in prompts:
task = asyncio.create_task(call_ollama_async(prompt))
tasks.append(task)
await asyncio.gather(*tasks)使用async await函数还有其他优点：
- 代码可读性增强
对比同步代码和异步代码，async/await让异步代码的结构更接近同步代码的书写方式。
- 更好的错误处理
在异步函数中，可以使用try/except块来捕获异常，与同步代码的错误处理方式一致。
概括来说，在API调用场景中，使用async，await方式会有更好的效率，也让你写出的代码更像一位高手！
（本文完）