目录

一、上下文管理器

1.1 定义

1.2 特点

1.3 适用场景

1.4 具体实现

1.5 具体实例

1.5.1 文件管理器

1.5.2 线程锁释放资源

二、异步I/O

2.1 定义

2.2 特点

2.3 实现方式

2.4 适用场景 

高并发网络服务：Web服务器、API服务等需要处理大量并发连接

2.5 具体实现

2.6 await关键字

三、总结

一、上下文管理器

1.1 定义

上下文管理器（Context Manager）是Python中一种特殊对象，它实现了enter和exit方法，用于在with语句中进行资源管理。它确保在进入和退出代码块时执行特定的初始化和清理操作。
具体实现enter和exit方法的方法：

class FileManager:
def __init__(self, filename, mode):
self.filename = filename
self.mode = mode
def __enter__(self):
self.file = open(self.filename, self.mode)
return self.file
def __exit__(self, exc_type, exc_val, exc_tb):
self.file.close()
# 使用
with FileManager('example.txt', 'r') as f:
content = f.read()

从具体的实现方式来看，上下文管理器是一种支持 with 语句的对象，用于管理资源（如文件、网络连接等）的获取和释放。

1.2 特点

• 自动资源管理：通过with语句使用，确保资源正确分配和释放
• 异常安全：即使在执行过程中发生异常，也能确保清理代码被执行
• 简洁语法：使用with语句简化代码，提高可读性
• 明确的生命周期：明确定义了进入和退出代码块时的行为

1.3 适用场景

1. 文件操作（自动打开和关闭文件）
2. 数据库连接管理
3. 锁定和解锁资源
4. 临时状态更改（如临时改变工作目录）

1.4 具体实现

上面通过enter和exit方法实现只是一种，也能够通过yield在函数中实现

from contextlib import contextmanager@contextmanager
def my_context_manager(message):print(f"Entering context: {message}")try:# yield 之前的代码相当于 __enter__yield messagefinally:# yield 之后的代码相当于 __exit__print(f"Exiting context: {message}")# 使用示例
with my_context_manager("test") as msg:print(f"Inside context with message: {msg}")

1.5 具体实例

1.5.1 文件管理器

class FileManager:def __init__(self, filename, mode):self.filename = filenameself.mode = modeself.file = Nonedef __enter__(self):print(f"Opening file: {self.filename}")self.file = open(self.filename, self.mode)return self.filedef __exit__(self, exc_type, exc_value, traceback):print(f"Closing file: {self.filename}")if self.file:self.file.close()# 处理异常if exc_type is not None:print(f"Exception occurred: {exc_value}")return False  # 不抑制异常# 使用示例
with FileManager("test.txt", "w") as f:f.write("Hello, World!")

1.5.2 线程锁释放资源

import threading
# 创建⼀个锁对象，⽤于在多线程中同步对共享资源的访问
lock = threading.Lock()# 定义线程函数，该函数将计数器增加n次
def thread_function(n):global counterfor _ in range(n):# 打印当前线程将计数器增加到的值print(f'线程 {threading.current_thread().name} 将计数器增加到 {counter}')# 获取锁，确保同⼀时间只有⼀个线程在修改counterlock.acquire()try:# 尝试增加计数器counter += 1finally:# 释放锁，允许其他线程进⾏操作lock.release()# 初始化全局计数器
counter = 0
# 初始化线程列表
threads = []# 创建并启动5个线程，每个线程都会执⾏thread_function
for i in range(5):# 创建线程t = threading.Thread(target=thread_function, args=(i,))# 将线程添加到线程列表中threads.append(t)# 启动线程t.start()# 等待所有线程完成执⾏for t in threads:t.join()
# 打印最终的计数器值
print(f'最终的计数器值: {counter}')

二、异步I/O

2.1 定义

异步 I/O（Asynchronous I/O）指发起 I/O 操作后不必等待其完成，内核在后台把数据准备好或写入完成后，再通过回调、事件通知或 Future 等机制通知用户程序；整个过程不会阻塞调用线程，线程可立即转去执行其他任务，从而用极少的线程支撑海量并发。

2.2 特点

• 非阻塞：调用立即返回，线程不挂起

• 事件驱动：完成通知通过回调、Future、epoll、kqueue、IOCP 等事件机制触发。

• 高吞吐、低延迟：单线程即可管理成千上万个并发连接，节省上下文切换和内存开销。

• 编程模型复杂：需要处理回调地狱、状态机、错误传播、背压等问题；现代语言用 Promise/Future/协程/actor 封装。

2.3 实现方式

1.async/await语法：Python 3.5+引入的关键字，用于定义协程函数
2.asyncio库：Python标准库，提供事件循环、协程、任务等核心功能
3.第三方库支持：如aiohttp（HTTP客户端/服务端）、aiomysql（MySQL数据库）等
 

2.4 适用场景 

• 高并发网络服务：Web服务器、API服务等需要处理大量并发连接

• I/O密集型应用：文件操作、数据库查询、网络请求等耗时操作
• 实时数据处理：实时消息处理、流数据处理等
• 爬虫应用：需要同时发起多个网络请求的爬虫程序

2.5 具体实现

基础异步函数：

import asyncio
import timeasync def say_after(delay, what):await asyncio.sleep(delay)print(what)async def main():print(f"started at {time.strftime('%X')}")await say_after(1, 'hello')await say_after(2, 'world')print(f"finished at {time.strftime('%X')}")# 运行异步函数
asyncio.run(main())

2.6 await关键字

Python中async/await的工作原理：

import asyncioasync def say_after(delay, what):await asyncio.sleep(delay)  # 暂停执行delay秒print(what)async def main():print('开始')await say_after(1, 'hello')  # 等待1秒后打印helloawait say_after(2, 'world')  # 再等待2秒后打印worldprint('结束')# 运行主协程
asyncio.run(main())