asyncio: gather, create_task, Queue, timeout, отмена

В прошлом уроке мы запускали несколько корутин через gather. Теперь разберём более сложные паттерны: гибкое управление через Tasks, очереди для producer/consumer, таймауты, корректная отмена, обработка ошибок. Это инструменты, которые потребуются в реальном backend-коде.

gather - запуск с ожиданием всех

import asyncio

async def fetch(url):
    await asyncio.sleep(1)
    return f"data from {url}"

async def main():
    results = await asyncio.gather(
        fetch("a"),
        fetch("b"),
        fetch("c"),
    )
    print(results)   # ['data from a', 'data from b', 'data from c']

asyncio.run(main())

Порядок результатов соответствует порядку аргументов. Все ждут конкурентно, общее время ~max времени отдельной задачи.

return_exceptions для гибкой обработки

По умолчанию первая ошибка сразу пробрасывается из gather, но остальные задачи не отменяются: они продолжают работать в фоне, а их результаты теряются. Если нужно отменить всех - TaskGroup (ниже):

async def main():
    try:
        results = await asyncio.gather(
            fetch("a"),
            failing_fetch(),
            fetch("c"),
        )
    except Exception as e:
        print(f"Error: {e}")
        # fetch("a") и fetch("c") продолжают выполняться в фоне

С return_exceptions=True ошибки возвращаются как обычные значения:

results = await asyncio.gather(
    fetch("a"),
    failing_fetch(),
    fetch("c"),
    return_exceptions=True,
)
# results = ["data from a", SomeException(...), "data from c"]

for r in results:
    if isinstance(r, Exception):
        log.error(r)
    else:
        process(r)

TaskGroup (Python 3.11+)

С Python 3.11 появился TaskGroup - более структурированная альтернатива gather:

async def main():
    async with asyncio.TaskGroup() as tg:
        task1 = tg.create_task(fetch("a"))
        task2 = tg.create_task(fetch("b"))
        task3 = tg.create_task(fetch("c"))

    # После выхода из async with все task завершены
    print(task1.result())
    print(task2.result())

При ошибке в одной задаче группа отменяет остальные и поднимает ExceptionGroup (тоже Py 3.11+) со всеми ошибками. Это надстройка над обычными исключениями, ловится отдельным синтаксисом except*. Это более явное и безопасное API.

create_task для фоновых задач

async def background_worker():
    while True:
        await asyncio.sleep(1)
        print("tick")

async def main():
    task = asyncio.create_task(background_worker())

    # Делаем что-то ещё, worker работает в фоне
    await asyncio.sleep(5)

    task.cancel()
    try:
        await task
    except asyncio.CancelledError:
        print("worker cancelled")

asyncio.run(main())

create_task запускает корутину сразу. Можно сохранить ссылку для отмены или получения результата.

⚠️ Сохраняй ссылку на task

asyncio только слабо ссылается на Task. Если потерять сильную ссылку, Task может быть собран garbage collector до завершения, что приведёт к молчаливому исчезновению фоновой работы.

# Плохо - ссылка не сохранена
async def main():
    asyncio.create_task(background_worker())   # может исчезнуть

# Хорошо
async def main():
    task = asyncio.create_task(background_worker())
    await asyncio.sleep(5)
    task.cancel()

# Или сохранить в set
background_tasks = set()
async def main():
    task = asyncio.create_task(background_worker())
    background_tasks.add(task)
    task.add_done_callback(background_tasks.discard)

wait_for - таймаут

async def slow_fetch():
    await asyncio.sleep(10)
    return "data"

async def main():
    try:
        result = await asyncio.wait_for(slow_fetch(), timeout=3)
    except asyncio.TimeoutError:
        print("Timeout!")

asyncio.run(main())

wait_for отменяет задачу при превышении таймаута и бросает TimeoutError. Это безопасный способ ограничить время IO-операций. В Go ту же роль играет context с дедлайном.

С Python 3.11 есть более универсальный asyncio.timeout():

async with asyncio.timeout(3):
    result = await slow_fetch()

Контекстный менеджер выглядит чище и работает с любым кодом внутри.

wait - частичный сбор

asyncio.wait возвращает множества выполненных и невыполненных task:

async def main():
    tasks = [asyncio.create_task(fetch(url)) for url in urls]

    # Ждём пока хотя бы одна завершится
    done, pending = await asyncio.wait(tasks, return_when=asyncio.FIRST_COMPLETED)

    for task in done:
        print(task.result())

    # Отменяем остальные
    for task in pending:
        task.cancel()

Опции return_when:

  • ALL_COMPLETED (default) - ждём всех
  • FIRST_COMPLETED - первой
  • FIRST_EXCEPTION - первой ошибки

Полезно для гонок (use the fastest result), скан портов, fan-out paradigms.

as_completed - результаты по мере готовности

async def main():
    tasks = [fetch(url) for url in urls]

    for coro in asyncio.as_completed(tasks):
        result = await coro
        process(result)
        # Обрабатываем результаты в порядке завершения, не запуска

Удобно когда хочется реагировать на быстрые ответы сразу, не ждать всех.

Queue для producer/consumer

import asyncio

async def producer(queue, n):
    for i in range(n):
        await asyncio.sleep(0.5)
        await queue.put(f"item-{i}")
    await queue.put(None)   # сигнал конца

async def consumer(queue):
    while True:
        item = await queue.get()
        if item is None:
            break
        print(f"Consumed: {item}")
        queue.task_done()

async def main():
    queue = asyncio.Queue(maxsize=10)
    await asyncio.gather(
        producer(queue, 5),
        consumer(queue),
    )

asyncio.run(main())

asyncio.Queue - асинхронный аналог queue.Queue для корутин одного event loop (не потокобезопасна). put блокирует если очередь полна (maxsize > 0), get блокирует если пуста. Идеально для разделения работы между producer и consumer корутинами. Именно на такой связке строятся консумеры брокеров - подробно в уроке про consumer patterns.

Другие очереди:

  • LifoQueue - LIFO (стек)
  • PriorityQueue - с приоритетом

Отмена и CancelledError

async def task():
    try:
        while True:
            print("working")
            await asyncio.sleep(1)
    except asyncio.CancelledError:
        print("cleanup")
        raise   # ОБЫЧНО нужно re-raise

async def main():
    t = asyncio.create_task(task())
    await asyncio.sleep(3)
    t.cancel()
    try:
        await t
    except asyncio.CancelledError:
        print("task was cancelled")

asyncio.run(main())

task.cancel() бросает CancelledError внутрь корутины при следующем await. Корутина может поймать для cleanup, но обычно должна re-raise чтобы asyncio мог корректно отслеживать отмену.

С Python 3.8 asyncio.CancelledError - подкласс BaseException, не Exception - чтобы случайно не поймать в except Exception.

shield - защита от отмены

async def critical_operation():
    await save_to_db()

async def main():
    try:
        await asyncio.wait_for(
            asyncio.shield(critical_operation()),
            timeout=5
        )
    except asyncio.TimeoutError:
        print("Timed out, but critical_operation продолжает")

shield защищает внутреннюю корутину от отмены извне. Полезно для операций которые должны завершиться даже если внешний таймаут истёк.

Lock и Semaphore

asyncio.Lock для критических секций:

shared_counter = 0
lock = asyncio.Lock()

async def increment():
    global shared_counter
    async with lock:
        # критическая секция
        current = shared_counter
        await asyncio.sleep(0.1)   # симулируем какое-то IO
        shared_counter = current + 1

Хотя asyncio однопоточен, между await'ами другие корутины могут модифицировать shared state. Lock гарантирует exclusive доступ.

asyncio.Semaphore ограничивает количество одновременных операций:

sem = asyncio.Semaphore(10)   # макс 10 одновременно

async def fetch_limited(url):
    async with sem:
        return await fetch(url)

async def main():
    tasks = [fetch_limited(url) for url in URLs]   # 1000 URLs
    results = await asyncio.gather(*tasks)
    # Не больше 10 запросов одновременно

Полезно для rate limiting, защиты внешних сервисов.

Event для координации

ready_event = asyncio.Event()

async def waiter():
    print("waiting...")
    await ready_event.wait()
    print("ready!")

async def setter():
    await asyncio.sleep(2)
    ready_event.set()

async def main():
    await asyncio.gather(waiter(), setter())

asyncio.run(main())

Event это простой сигнал «случилось/не случилось». Несколько waiter могут ждать одного события.

Обработка ошибок

async def task():
    try:
        await do_work()
    except SpecificError as e:
        # Логируем и продолжаем
        log.error(e)
        return default_value
    except Exception as e:
        # Логируем и пробрасываем
        log.exception("unexpected")
        raise

Внутри асинхронной функции обработка ошибок работает как в синхронной. Главное помнить про cleanup в case CancelledError.

Производительность - tips

  1. Используй async-библиотеки: aiohttp вместо requests, asyncpg вместо psycopg2, aiofiles для файлов.

  2. Бенчмарк прежде чем оптимизировать: asyncio даёт прирост только для IO-bound. Для CPU-bound лучше multiprocessing.

  3. Ограничивай concurrency через Semaphore: тысячи одновременных запросов могут перегрузить downstream сервисы.

  4. Не забывай await: легко забыть и получить unhandled coroutine warning.

  5. Используй gather с return_exceptions для устойчивости: одна ошибка не должна валить весь batch.

Распространённые ошибки

1. Создать Task и потерять ссылку

Уже обсуждали - сохранять в set с auto-cleanup через done_callback.

2. Блокирующий код в async

async def bad():
    requests.get("https://api.example.com")   # БЛОКИРУЕТ loop

Используй aiohttp или loop.run_in_executor для wrapping sync вызовов.

3. await в цикле вместо gather

# Плохо - последовательно
async def slow():
    results = []
    for url in urls:
        result = await fetch(url)   # ждём каждый отдельно
        results.append(result)

# Хорошо - конкурентно
async def fast():
    results = await asyncio.gather(*[fetch(url) for url in urls])

4. Незаявленный return в async

async def task():
    await asyncio.sleep(1)
    # забыли return - вернёт None

Это не специфично для async, но в async коде чаще встречается.

5. Отмена без cleanup

async def task():
    file = open("data.txt")
    await something()
    file.close()   # НЕ выполнится если task отменена

# Правильно - context manager или try/finally
async def task():
    file = open("data.txt")
    try:
        await something()
    finally:
        file.close()

Сравнение с Go

В Go параллельные запросы через горутины:

results := make([]string, 3)
var wg sync.WaitGroup
for i, url := range urls {
    wg.Add(1)
    go func(i int, url string) {
        defer wg.Done()
        results[i] = fetch(url)
    }(i, url)
}
wg.Wait()

asyncio проще для IO-bound, но Go имеет настоящую параллельность через горутины - не ограничен одним CPU как Python asyncio.

Мини-задание

  1. Параллельная обработка с timeout:
import asyncio

async def slow_task(name, duration):
    await asyncio.sleep(duration)
    return f"{name} done"

async def main():
    try:
        result = await asyncio.wait_for(
            slow_task("A", 5),
            timeout=2
        )
        print(result)
    except asyncio.TimeoutError:
        print("Too slow")

asyncio.run(main())
  1. Producer/Consumer через Queue:
import asyncio

async def producer(queue):
    for i in range(5):
        await asyncio.sleep(0.5)
        await queue.put(i)
        print(f"Produced {i}")
    await queue.put(None)

async def consumer(queue):
    while True:
        item = await queue.get()
        if item is None:
            break
        print(f"Consumed {item}")
        await asyncio.sleep(0.3)

async def main():
    queue = asyncio.Queue(maxsize=3)
    await asyncio.gather(producer(queue), consumer(queue))

asyncio.run(main())
  1. Semaphore для rate-limiting:
import asyncio

async def fetch(url, semaphore):
    async with semaphore:
        print(f"Fetching {url}")
        await asyncio.sleep(1)
        return f"data from {url}"

async def main():
    semaphore = asyncio.Semaphore(3)   # максимум 3 одновременно
    urls = [f"url-{i}" for i in range(10)]
    tasks = [fetch(url, semaphore) for url in urls]
    results = await asyncio.gather(*tasks)
    print(f"Got {len(results)} results")

asyncio.run(main())

Что дальше

Освоили продвинутые паттерны asyncio. В следующем уроке - GIL и threading: когда asyncio не подходит, и как использовать потоки правильно.

Зарегистрируйтесь бесплатно, чтобы пройти квиз, решить задание с автопроверкой, вести прогресс.