在Python中使用Asyncio系统（34）Task和Future

　　Task 和 Future
　　前面我们讨论了协程，以及如何在循环中运行它们才有用。现在我想简单谈谈Task和Future api。你将使用最多的是Task，因为你的大部分工作将涉及使用create_task()函数运行协程，就像在第22页的＂快速开始＂中设置的那样。Future类实际上是Task的超类，它提供了与循环交互操作的所有功能。
　　可以这样简单地理解:Future表示某个活动的未来完成状态，并由循环管理。Task是完全相同的，但是具体的＂activity＂是一个协程——可能是你用async def函数加上create_task()创建的协程。
　　Future类表示与循环交互的某个东西的状态。这个描述太模糊了，不太有用，所以你可以将Future实例视为一个切换器，一个完成状态的切换器。当创建Future实例时，切换设置为＂尚未完成＂状态，但稍后它将是＂完成＂状态。事实上，Future实例有一个名为done()的方法，它允许你检查状态，如示例 3-15所示。
　　示例 3-15. 用done()方法检查完成状态  >>> from asyncio import Future >>> f = Future() >>> f.done() False
　　Future实例还可以执行以下操作：
　　• 设置一个result值（用.set_result(value)设置值并且使用 .result()获取值）
　　• 使用.cancel()方法取消 (并且会用使用.cancelled()检查是否取消)
　　• 增加一个Future完成时回调的函数
　　即使Task更常见，也不可能完全避免使用Future：例如，在执行器上运行函数将返回Future实例，而不是Task。让我们快速看一下 示例 3-16 ，了解一下直接使用Future实例是什么感觉。
　　示例 3-16. 与Future实例的交互  >>> import  asyncio >>> >>> async def main(f: asyncio.Future):   ... await asyncio.sleep(1) ... f.set_result(＂I have finished.＂)   ... >>> loop = asyncio.get_event_loop() >>> fut = asyncio.Future()   >>> print(fut.done())   False >>> loop.create_task(main(fut))   :1>> >>> loop.run_until_complete(fut)    ＂I have finished.＂ >>> print(fut.done()) True >>> print(fut.result()) I have finished.
　　（L3）创建一个简单的 main函数。我们运行这个函数，等上一会儿然后在Future f上设置一个结果。
　　（L5）设置一个结果。
　　（L8）手动创建一个Future实例。注意，这个实例(默认情况下)绑定到我们的循环，但它没有也不会被附加到任何协程(这就是Tasks的作用)。
　　（L9）在做任何事情之前，确认future还没有完成。
　　（L11）安排main()协程，传递future。请记住，main()协程所做的所有工作就是sleep，然后切换Future实例。(注意main()协程还不会开始运行：协程只在事件循环运行时才开始运行。)
　　(L13)在这里我们在Future实例上而不是Task实例上使用run_until_complete()。这和你以前见过的不一样。现在循环正在运行，main()协程将开始执行.
　　（L16）最终，当future的结果被设置时，它就完成了。完成后，可以访问结果。
　　当然，你不太可能以这里所示的方式直接使用Future；代码示例仅用于教育目的。你与asynccio的大部分联系都是通过Task实例进行的。
　　你可能想知道如果在Task实例上调用set_result()会发生什么。在Python 3.8之前可以这样做，但现在不允许这么做了。任务实例是协程对象的包装器，它们的结果值只能在内部设置为底层协程函数的结果，如 示例 3-17所示那样。
　　示例 3-17. 在task上调用set_result  >>> import  asyncio >>> from contextlib import suppress >>> >>> async def main(f: asyncio.Future): ... await asyncio.sleep(1) ... try: ... f.set_result(＂I have finished.＂)   ... except RuntimeError as e: ... print(f＂No longer allowed: {e}＂) ... f.cancel()   ... >>> loop = asyncio.get_event_loop() >>> fut = asyncio.Task(asyncio.sleep(1_000_000))   >>> print(fut.done()) False >>> loop.create_task(main(fut)) :1>> >>> with suppress(asyncio.CancelledError): ... loop.run_until_complete(fut) ... No longer allowed: Task does not support set_result operation >>> print(fut.done()) True >>> print(fut.cancelled())   True
　　（L13）唯一的区别是我们创建的是Task实例而不是Future实例。当然，Task API要求我们提供一个协程；这里我们使用sleep()只是因为简单方便。
　　（L7）正在传入一个Task实例。它满足函数的类型签名(因为Task是Future的子类)，但从Python 3.8开始，我们不再允许在Task上调用set_result()：尝试这样做将引发RuntimeError。这个想法是，一个Task代表一个正在运行的协程，所以结果应该总是来自于task自身。
　　（L10, L24）但是，我们仍然可以cancel()一个任务，它将在底层协程中引发CancelledError。
　　Create_task? Ensure_Future? 下定决心吧！
　　在第22页的＂快速入门＂中，我说过运行协程的方法是使用asyncio.create_task()。在引入该函数之前，有必要获取一个循环实例并使用loop.create_task()完成相同的任务。事实上，这也可以通过一个不同的模块级函数来实现:asyncio.ensure_future()。一些开发人员推荐create_task()，而其他人推荐ensure_future()。
　　在我为这本书做研究的过程中，我确信API方法asyncio.ensure_future()是引起对asyncio库广泛误解的罪魁祸首。API的大部分内容都非常清晰，但在学习过程中还存在一些严重的障碍，这就是其中之一。当你遇到ensure_future()时，你的大脑会非常努力地将其集成到关于asyncio应该如何使用的心理模型中——但很可能会失败!
　　在Python 3.6 asyncio 文档中，这个现在已经臭名昭著的解释突出了 ensure_future() 的问题：
　　asyncio.ensure_future(coro_or_future, *,  _loop =None)
　　安排执行一个协程对象：把它包装在future中。返回一个Task对象。如果参数是Future，则直接返回。
　　什么!? 当我第一次读到这篇文章时，我很困惑。下面希望是对ensure_future()的更清楚的描述:  如果你传入一个协程，它将生成一个Task实例(你的协程将被调度在事件循环上运行)。这与调用asyncio.create_task()(或loop.create_task())并返回新的Task实例是相同的。  如果你传入一个Future实例(或者一个Task实例，因为Task是Future的子类)，你会得到相同的东西返回，没有改变。是的,真的!
　　这个函数很好地说明了针对终端用户开发人员的asyncio API(高级API)和针对框架设计人员的asyncio API(低级API)之间的区别。让我们在示例 3-18中自习看看它是如何工作的。
　　示例 3-18. 仔细看看ensure_future()在做什么  import asyncio  async def f():       pass  coro = f()   loop = asyncio.get_event_loop()  task = loop.create_task(coro)   assert isinstance(task, asyncio.Task)  new_task = asyncio.ensure_future(coro)   assert isinstance(new_task, asyncio.Task)  mystery_meat = asyncio.ensure_future(task)   assert mystery_meat is task
　　（L3）一个简单的什么都不做的协程函数。我们只需要一些能组成协程的东西。
　　（L6）我们通过直接调用该函数来创建协程对象。你的代码很少会这样做，但我想在这里明确地表示，我们正在向每个create_task()和ensure_future()传递一个协程对象。
　　（L7）获取一个循环。
　　（L9）首先，我们使用loop.create_task()在循环中调度协程，并返回一个新的Task实例。
　　（L10）验证类型。到目前为止，没有什么有趣的。
　　（L12）我们展示了asyncio.ensure_future()可以被用来执行与create_task()相同的动作：我们传入了一个协程，并返回了一个Task实例(并且协程已经被安排在循环中运行)!如果传入的是协程，那么loop.create_task()和asyncio.ensure_future()之间没有区别。
　　（L15）如果我们给ensure_future()传递一个Task实例会发生什么呢？注意我们要传递的Task实例是已经在第4步通过loop.create_task()创建好的。
　　（L16）返回的Task实例与传入的Task实例完全相同:它在被传递时没有被改变。
　　直接传递Future实例的意义何在？为什么用同一个函数做两件不同的事情？答案是，ensure_future()的目的是让框架作者向最终用户开发者提供可以处理两种参数的API。不相信我？这是ex-BDFL自己说的：
　　ensure_future()的要点是，如果你有一个可能是协程或Future(后者包括一个Task，因为它是Future的子类)的东西，并且你想能够调用一个只在Future上定义的方法(可能唯一有用的例子是cancel())。当它已经是Future(或Task)时，它什么也不做；当它是协程时，它将它包装在Task中。
　　如果您知道您有一个协程，并且希望它被调度，那么正确的API是create_task()。唯一应该调用ensure_future()的时候是当你提供一个API(像大多数asyncio自己的API)，它接受协程或Future，你需要对它做一些事情，需要你有一个Future。
　　—Guido van Rossum
　　总而言之，asyncio.sure_future()是一个为框架设计者准备的辅助函数。这一点最容易通过与一种更常见的函数进行类比来解释，所以我们来做这个解释。如果你有几年的编程经验，你可能已经见过类似于例3-19中的istify()函数的函数。示例 3-19中listify()的函数。
　　示例 3-19. 一个强制输入列表的工具函数  def listify(x: Any) -> List:     ＂＂＂ Try hard to convert x into a list ＂＂＂     if isinstance(x, (str, bytes)):         return [x]     try:         return [_ for _ in x]     except TypeError:         return [x]
　　这个函数试图将参数转换为一个列表，不管输入的是什么。api和框架中经常使用这类函数将输入强制转换为已知类型，这将简化后续代码——在本例中，您知道参数(来自listify()的输出)将始终是一个列表。
　　如果我将listify()函数重命名为ensure_list()，那么您应该开始看到与asyncio.ensure_future()的类似之处:它总是试图将参数强制转换为Future(或子类)类型。这是一个实用函数，它使框架开发人员(而不是像你我这样的终端用户开发人员)的工作变得更容易。
　　实际上，asyncio标准库模块本身使用ensure_future()正是出于这个原因。当你下次查看API时，你会发现函数参数被描述为＂可等待对象＂，很可能内部使用ensure_future()强制转换参数。例如，asyncio.gather()函数就像下面的代码一样:  asyncio.gather(*aws, loop=None, ...)
　　aws参数表示＂可等待对象＂，包括协程、task和future。在内部，gather()使用ensure_future()进行类型强制转换：task和future保持不变，而把协程强制转为task。
　　这里的关键是，作为终端用户应用程序开发人员，应该永远不需要使用asyncio.ensure_future()。它更像是框架设计师的工具。如果你需要在事件循环上调度协程，只需直接使用asyncio.create_task()来完成。
　　在接下来的几节中，我们将回到语言级别的特性，从异步上下文管理器开始。