PS D:\learn-python3\函数式编程> & C:/ProgramData/Anaconda3/python.exe d:/learn-python3/学习脚本/协程系列/use_asyncio.py
start
<Task pending name='Task-1' coro=<hello() running at d:/learn-python3/学习脚本/协程系列/use_asyncio.py:256> cb=[_run_until_complete_cb() at C:\ProgramData\Anaconda3\lib\asyncio\base_events.py:184]>
同理返回任务需要在一个事件循环内，方法asyncio.all_tasks()在本次得到到输出和asyncio.current_task()是一致的
5，什么是future
Future是一个较底层的可等待（awaitable）对象，它表示的是异步操作的最终结果，当一个Future对象被等待的时候，协程会一直等待，直到Future已经运算完毕。
Future是Task的父类，一般情况下，已不用去管它们两者的详细区别，也没有必要去用Future,用Task就可以了。
返回 future 对象的低级函数的一个很好的例子是 loop.run_in_executor().
二，asyncio的基本构架
前面介绍了asyncio里面最为核心的几个概念，如果能够很好地理解这些概念，对于学习协程是非常有帮助的，但是按照我个人的风格，我会先说asyncio的架构，理解asyncio的设计架构有助于更好地应用和理解。
asyncio分为高层API和低层API，我们都可以使用，就像我前面在讲matplotlib的架构的时候所讲的一样，我们前面所讲的Coroutine和Tasks属于高层API，而Event Loop 和Future属于低层API。当然asyncio所涉及到的功能远不止于此，我们只看这么多。下面是是高层API和低层API的概览：
High-level APIs
Coroutines and Tasks（本文要写的）
Streams
Synchronization Primitives
Subprocesses
Queues
Exceptions
Low-level APIs
Event Loop（下一篇要写的）
Futures
Transports and Protocols
Policies
Platform Support
所谓的高层API主要是指那些asyncio.xxx()的方法，
1，常见的以下高层API方法
（1）运行异步协程
asyncio.run(coro, *, debug=False) #运行一个一步程序，参见上面
（2）创建任务
task=asyncio.create_task(coro) #python3.7 ,参见上面
task = asyncio.ensure_future(coro())
（3）睡眠
await asyncio.sleep(delay, result=None, *, loop=None)
这个函数表示的是：当前的那个任务（协程函数）睡眠多长时间，而允许其他任务执行。这是它与time.sleep()的区别，time.sleep()是当前线程休息，注意他们的区别哦。
另外如果提供了参数result，当当前任务（协程）结束的时候，它会返回；
loop参数将会在3.10中移除，这里就不再说了。
（4）并发运行多个任务
await asyncio.gather(*coros_or_futures, loop=None, return_exceptions=False)
它本身也是awaitable的。
*coros_or_futures是一个序列拆分操作，如果是以个协程函数，则会自动转换成Task。
当所有的任务都完成之后，返回的结果是一个列表的形式，列表中值的顺序和*coros_or_futures完成的顺序是一样的。
return_exceptions:False,这是他的默认值，第一个出发异常的任务会立即返回，然后其他的任务继续执行；
True，对于已经发生了异常的任务，也会像成功执行了任务那样，等到所有的任务执行结束一起将错误的结果返回到最终的结果列表里面。
如果gather()本身被取消了，那么绑定在它里面的任务也就取消了。
（5）防止任务取消
await asyncio.shield(*arg, *, loop=None)
它本身也是awaitable的。顾名思义，shield为屏蔽、保护的意思，即保护一个awaitable 对象防止取消，一般情况下不推荐使用，而且在使用的过程中，最好使用try语句块更好。
res = await shield(something())
except CancelledError:
res = None
（6）设置timeout——一定要好好理解
await asyncio.wait_for(aw, timeout, *, loop=None)
如果aw是一个协程函数，会自动包装成一个任务task。参见下面的例子：
import asyncio
async def eternity():
print('我马上开始执行')
await asyncio.sleep(3600) #当前任务休眠1小时，即3600秒
print('终于轮到我了')
async def main():
# Wait for at most 1 second
print('等你3秒钟哦')
await asyncio.wait_for(eternity(), timeout=3) #休息3秒钟了执行任务
except asyncio.TimeoutError:
print('超时了！')
asyncio.run(main())
运行结果如下
等你3秒钟哦
我马上开始执行
解析：首先调用main()入口函数，当输出"等你3秒哦"，main()挂起，执行eternity()，然后打印“我马上开始执行”然后遇到await挂起，而且需要挂起3600秒，大于timeout设置的3秒，这时候触发TimeoutError输出“超时了！”
修改代码把eternity的模拟等待时间始终为2秒
import asyncio
async def eternity():
print('我马上开始执行')
await asyncio.sleep(2) #当前任务休眠1小时，即3600秒
print('终于轮到我了')
async def main():
# Wait for at most 1 second
print('等你3秒钟哦')
await asyncio.wait_for(eternity(), timeout=3) #休息3秒钟了执行任务
except asyncio.TimeoutError:
print('超时了！')
asyncio.run(main())
等你3秒钟哦
我马上开始执行
终于轮到我了
因为eternity等待的时间为2秒，小于设置的timeout时间3秒，所以没有错发TimeoutError所以eternity完整执行了。
总结：当异步操作需要执行的时间超过waitfor设置的timeout，就会触发异常，所以在编写程序的时候，如果要给异步操作设置timeout，一定要选择合适，如果异步操作本身的耗时较长，而你设置的timeout太短，会涉及到她还没做完，就抛出异常了。
（7）多个协程函数时候的等待
await asyncio.wait(aws, *, loop=None, timeout=None, return_when=ALL_COMPLETED)
与上面的区别是，第一个参数aws是一个集合，要写成集合set的形式，比如：
{func（），func（），func3（）}
表示的是一系列的协程函数或者是任务，其中协程会自动包装成任务。事实上，写成列表的形式也是可以的。
注意：该函数的返回值是两个Tasks/Futures的集合：
(done, pending)
其中done是一个集合，表示已经完成的任务tasks；pending也是一个集合，表示还没有完成的任务。
常见的使用方法为：done, pending = await asyncio.wait(aws)
参数解释：
timeout (a float or int), 同上面的含义一样，需要注意的是，这个不会触发asyncio.TimeoutError异常，如果到了timeout还有任务没有执行完，那些没有执行完的tasks和futures会被返回到第二个集合pending里面。
return_when参数，顾名思义，他表示的是，什么时候wait函数该返回值。只能够取下面的几个值。
Constant
Description
FIRST_COMPLETED
当任何一个task或者是future完成或者是取消，wait函数就返回
FIRST_EXCEPTION
当任何一个task或者是future触发了某一个异常，就返回，.如果是所有的task和future都没有触发异常，则等价与下面的 ALL_COMPLETED
ALL_COMPLETED
当所有的task或者是future都完成或者是都取消的时候，再返回。
如下面例子所示
import asyncio
import time
a=time.time()
async def hello1(): #大约2秒
print("Hello world 01 begin")
await asyncio.sleep(2)
print("Hello again 01 end")
async def hello2(): #大约3秒
print("Hello world 02 begin")
await asyncio.sleep(3)
print("Hello again 02 end")
async def hello3(): #大约4秒
print("Hello world 03 begin")
await asyncio.sleep(4)
print("Hello again 03 end")
async def main(): #入口函数
done,pending=await asyncio.wait({hello1(),hello2(),hello3()},return_when=asyncio.FIRST_COMPLETED)
for i in done:
print(i)
for j in pending:
print(j)
asyncio.run(main()) #运行入口函数
b=time.time()
print('---------------------------------------')
print(b-a)
Hello world 02 begin
Hello world 01 begin
Hello world 03 begin
Hello again 01 end
<Task finished name='Task-3' coro=<hello1() done, defined at d:/learn-python3/学习脚本/协程系列/use_asyncio.py:298> result=None>
<Task pending name='Task-2' coro=<hello2() running at d:/learn-python3/学习脚本/协程系列/use_asyncio.py:305> wait_for=<Future pending cb=[<TaskWakeupMethWrapper object at 0x000002BAE8B04AF0>()]>>
<Task pending name='Task-4' coro=<hello3() running at d:/learn-python3/学习脚本/协程系列/use_asyncio.py:310> wait_for=<Future pending cb=[<TaskWakeupMethWrapper object at 0x000002BAE8B04B50>()]>>
---------------------------------------
2.030433177947998
从上面可以看出，hello1()运行结束了，hello2()和hello3()还没有结束
因为参数设置为
return_when=asyncio.FIRST_COMPLETED
所以当任何一个task或者是future完成或者是取消，wait函数就返回，因为hello1()等待的时间最短所以执行完就返回了，但是这个时候hello2()和hello3()还没有执行完毕，强迫中断了，所以done为已完成的task集合即hello1()，pending为未完成的task集合即hello2() hello3()
(8)asyncio.as_completed()函数
asyncio.as_completed(aws, *, loop=None, timeout=None)
第一个参数aws：同上面一样，是一个集合{}集合里面的元素是coroutine、task或者future
第三个参数timeout：意义和上面讲的的一样
那到底什么作用呢？
# asyncio.as_completed start
import asyncio
import time
import threading
a=time.time()
async def hello1():
print("Hello world 01 begin")
await asyncio.sleep(5) #大约5秒
print("Hello again 01 end")
return '哈哈1'
async def hello2():
print("Hello world 02 begin")
await asyncio.sleep(3) #大约3秒
print("Hello again 02 end")
return '哈哈2'
async def hello3():
print("Hello world 03 begin")
await asyncio.sleep(4) #大约4秒
print("Hello again 03 end")
return '哈哈3'
async def main():
s=asyncio.as_completed({hello1(),hello2(),hello3()})
for f in s:
result=await f
print(result)
asyncio.run(main())
b=time.time()
print('---------------------------------------')
print(b-a)
# asyncio.as_completed end
Hello world 03 begin
Hello world 01 begin
Hello world 02 begin
Hello again 02 end
Hello again 03 end
Hello again 01 end
---------------------------------------
5.02417516708374
结论：asyncio.as_completed()函数返回的是一个可迭代（iterator）的对象，对象的每个元素就是一个future对象，很多小伙伴说，这不是相当于没变吗？其实返回的future集合是对参数的future集合重新组合，组合的顺序就是，最先执行完的协程函数（coroutine、task、future）最先返回，从上面的代码可知，参数为
aws={hello1(),hello2(),hello3()},因为hello1大约花费5秒、hello2大约花费3秒、hello3大约花费4秒。返回的结果为
s={hello2()、hello3()、hello(1)}，因为hello2时间最短，故而放在前面，hello1时间最长，故而放在最后面。然后对返回的集合s开始迭代。
2，task类详解
官方英文文档如下
class asyncio.Task(coro, *, loop=None)
A Future-like object that runs a Python coroutine. Not thread-safe.
Tasks are used to run coroutines in event loops. If a coroutine awaits on a Future, the Task suspends the execution of the coroutine and waits for the completion of the Future. When the Future is done, the execution of the wrapped coroutine resumes.
Event loops use cooperative scheduling: an event loop runs one Task at a time. While a Task awaits for the completion of a Future, the event loop runs other Tasks, callbacks, or performs IO operations.
Use the high-level asyncio.create_task() function to create Tasks, or the low-level loop.create_task() or ensure_future() functions. Manual instantiation of Tasks is discouraged.
To cancel a running Task use the cancel() method. Calling it will cause the Task to throw a CancelledError exception into the wrapped coroutine. If a coroutine is awaiting on a Future object during cancellation, the Future object will be cancelled.
cancelled() can be used to check if the Task was cancelled. The method returns True if the wrapped coroutine did not suppress the CancelledError exception and was actually cancelled.
asyncio.Task inherits from Future all of its APIs except Future.set_result() and Future.set_exception().
Tasks support the contextvars module. When a Task is created it copies the current context and later runs its coroutine in the copied context.
上面的文字描述中推出了几个非常重要的信息，特在此总结如下：
（1）他是作为一个python协程对象，和Future对象很像的这么一个对象，但不是线程安全的；他继承了Future所有的API，，除了Future.set_result()和Future.set_Exception()；
（2）使用高层API asyncio.ccreate_task()创建任务，或者是使用低层API loop.create_task()或者是loop.ensure_future()创建任务对象；
（3）相比于协程函数，任务时有状态的，可以使用Task.cancel()进行取消，这会触发CancelledError异常，使用cancelled()检查是否取消。
下面介绍Task类常见的一些使用函数
（1）cancel()
Request the Task to be cancelled.
其实前面已经有所介绍，最好是使用他会出发CancelledError异常，所以需要取消的协程函数里面的代码最好在try-except语句块中进行，这样方便触发异常，打印相关信息，但是Task.cancel()没有办法保证任务一定会取消，而Future.cancel()是可以保证任务一定取消的。可以参见下面的一个例子：
# task.cancel() start
import asyncio
async def cancel_me():
print('cancel_me(): before sleep')
await asyncio.sleep(3600) #模拟一个耗时任务
except asyncio.CancelledError:
print('cancel_me(): cancel sleep')
raise
finally:
print('cancel_me(): after sleep')
async def main():
#通过协程创建一个任务，需要注意的是，在创建任务的时候，就会跳入到异步开始执行
#因为是3.7版本，创建一个任务就相当于是运行了异步函数cancel_me
task = asyncio.create_task(cancel_me())
#等待一秒钟
await asyncio.sleep(1)
print('main函数休息完了')
#发出取消任务的请求
task.cancel()
await task #因为任务被取消，触发了异常
except asyncio.CancelledError:
print("main(): cancel_me is cancelled now")
asyncio.run(main())
# task.cancel() end
cancel_me(): before sleep
main函数休息完了
cancel_me(): cancel sleep
cancel_me(): after sleep
main(): cancel_me is cancelled now
运行过程分析：
首先run函数启动主函数入口main，在main，因为第一个话就是调用异步函数cancel_me(),函数，所以先打印出第一句话；
然后进入cancle_me中的tty语句，遇到await，暂停，这时返回main中执行，但是又在main中遇到await，也会暂停，但是由于main中只需要暂停1秒，而camcel_me中要暂停3600秒，所以等到main暂停结束后，接着运行main，所以打印出第二句话；
接下来遇到取消任务的请求task.cancel(),然后继续执行main里面的try，又遇到await，接着main进入暂停，接下来进入到cancle_me函数中，但是由于main中请求取消任务，所以那个耗时3600秒的任务就不再执行了，直接触发了CancelldeError异常，打印出第三句话，接下来raise一个异常信息
接下来执行cancel_me的finally，打印出第四句话，此时cancel_me执行完毕，由于它抛出了一个异常，返回到主程序main中，触发异常，打印出第五句话。
（2）done()
当一个被包装得协程既没有触发异常、也没有被取消的时候，意味着它是done的，返回true。
（3）result()
返回任务的执行结果，
当任务被正常执行完毕，则返回结果；
当任务被取消了，调用这个方法，会触发CancelledError异常；
当任务返回的结果是无用的时候，则调用这个方法会触发InvalidStateError；
当任务出发了一个异常而中断，调用这个方法还会再次触发这个使程序中断的异常。
（4）exception()
返回任务的异常信息，触发了什么异常，就返回什么异常，如果任务是正常执行的无异常，则返回None；
当任务被取消了，调用这个方法会触发CancelledError异常；
当任务没有做完，调用这个方法会触发InvalidStateError异常。
下面还有一些不常用的方法，如下：
（5）add_done_callback(callback, *, context=None)
（6）remove_done_callback(callback)
（7）get_stack(*, limit=None)
（8）print_stack(*, limit=None, file=None)
（9）all_tasks(loop=None)，这是一个类方法
（10）current_task(loop=None)，这是一个类方法
3，异步函数结果的获取
对于异步编程，异步函数而言，最重要的就是异步函数调用结束之后，获取异步函数的返回值，我们可以用以下几种方式来获取函数的返回值，第一个直接通过Task.reslut()来获取；第二种是绑定一个回调函数来获取，即函数执行完毕后调用一个函数来获取异步函数的返回值。
（1）直接通过result获取
# 通过result获取 start
async def hello1(a,b):
print("Hello world 01 begin")
await asyncio.sleep(3) #模拟耗时任务3秒
print("Hello again 01 end")
return a+b
coroutine=hello1(10,5)
loop = asyncio.get_event_loop() #第一步：创建事件循环
task=asyncio.ensure_future(coroutine) #第二步:将多个协程函数包装成任务列表
loop.run_until_complete(task) #第三步：通过事件循环运行
print('-------------------------------------')
print(task.result())
loop.close()
# 通过result获取 end
Hello world 01 begin
Hello again 01 end
-------------------------------------
（2）通过定义回调函数来获取
# 通过回调函数获取 start
import asyncio
import time
async def hello1(a,b):
print("Hello world 01 begin")
await asyncio.sleep(3) #模拟耗时任务3秒
print("Hello again 01 end")
return a+b
def callback(future): #定义的回调函数
print(future.result())
loop = asyncio.get_event_loop() #第一步：创建事件循环
task=asyncio.ensure_future(hello1(10,5)) #第二步:将多个协程函数包装成任务
task.add_done_callback(callback) #给任务绑定一个回调函数
loop.run_until_complete(task) #第三步：通过事件循环运行
loop.close()
# 通过回调函数获取 end
注意：所谓的回调函数，就是指协程函数coroutine执行结束时候会调用回调函数。并通过参数future获取协程执行的结果。我们创建的task和回调里的future对象，实际上是同一个对象，因为task是future的子类。
三，asyncio异步编程的基本模板
事实上，在使用asyncio进行异步编程的时候，语法形式往往是多样性的，虽然理解异步编程的核心思想很重要，但是实现的时候终究还是要编写语句的，本次给出的模板，是两个不同的例子，例子一是三个异步方法，它们都没有参数，没有返回值，都模拟一个耗时任务；例子二是三个异步方法，都有参数，都有返回值。
1，Python3.7之前版本
（1）例子一：无参数，无返回值
# 3.7版本之前 无参数无返回值 start
import asyncio
import time
a=time.time()
async def hello1():
print("Hello world 01 begin")
await asyncio.sleep(3) #模拟耗时任务3秒
print("Hello again 01 end")
async def hello2():
print("Hello world 02 begin")
await asyncio.sleep(2) #模拟耗时任务2秒
print("Hello again 02 end")
async def hello3():
print("Hello world 03 begin")
await asyncio.sleep(4) #模拟耗时任务4秒
print("Hello again 03 end")
loop = asyncio.get_event_loop() #第一步：创建事件循环
tasks = [hello1(), hello2(),hello3()] #第二步:将多个协程函数包装成任务列表
loop.run_until_complete(asyncio.wait(tasks)) #第三步：通过事件循环运行
loop.close() #第四步：取消事件循环
# 3.7版本之前 无参数无返回值 end
（2）例子2 有参数有返回值
# 3.7版本之前 有参数有返回值 start
import asyncio
import time
async def hello1(a,b):
print("Hello world 01 begin")
await asyncio.sleep(3) #模拟耗时任务3秒
print("Hello again 01 end")
return a+b
async def hello2(a,b):
print("Hello world 02 begin")
await asyncio.sleep(2) #模拟耗时任务2秒
print("Hello again 02 end")
return a-b
async def hello3(a,b):
print("Hello world 03 begin")
await asyncio.sleep(4) #模拟耗时任务4秒
print("Hello again 03 end")
return a*b
loop = asyncio.get_event_loop() #第一步：创建事件循环
task1=asyncio.ensure_future(hello1(10,5))
task2=asyncio.ensure_future(hello2(10,5))
task3=asyncio.ensure_future(hello3(10,5))
tasks = [task1,task2,task3] #第二步:将多个协程函数包装成任务列表
loop.run_until_complete(asyncio.wait(tasks)) #第三步:通过事件循环运行
print(task1.result()) #并且在所有的任务完成之后，获取异步函数的返回值
print(task2.result())
print(task3.result())
loop.close() #第四步：关闭事件循环
# 3.7版本之前 有参数有返回值 end
Hello world 01 begin
Hello world 02 begin
Hello world 03 begin
Hello again 02 end
Hello again 01 end
Hello again 03 end
（3）总结：四步走（针对3.7之前版本）
第一步：构建事假循环
loop=asyncio.get_running_loop() #返回（获取）在当前线程中正在运行的事件循环，如果没有正在运行的事件循环，则会显示错误；它是python3.7中新添加的
loop=asyncio.get_event_loop() #获得一个事件循环，如果当前线程还没有事件循环，则创建一个新的事件循环loop；
loop=asyncio.set_event_loop(loop) #设置一个事件循环为当前线程的事件循环；
loop=asyncio.new_event_loop() #创建一个新的事件循环
第二步：将一个或是多个协程函数包装成任务Task
#高层API
task = asyncio.create_task(coro(参数列表)) # 这是3.7版本新添加的
task = asyncio.ensure_future(coro(参数列表))
#低层API
loop.create_future(coro)
loop.create_task(coro)
第三步：通过实践循环运行
loop.run_until_complete(asyncio.wait(tasks)) #通过asyncio.wait()整合多个task
loop.run_until_complete(asyncio.gather(tasks)) #通过asyncio.gather()整合多个task
loop.run_until_complete(task_1) #单个任务则不需要整合
loop.run_forever() #但是这个方法在新版本已经取消，不再推荐使用，因为使用起来不简洁
使用gather或者wait可以同时注册多个任务，实现并发,但他们的设计是完全不一样的，在前面的2.1.(4)中已经讨论过了，主要区别如下：
（1）参数形式不一样
gather的参数为 *coroutines_or_futures,即如这种形式
tasks = asyncio.gather(*[task1,task2,task3])或者
tasks = asyncio.gather(task1,task2,task3)
loop.run_until_complete(tasks)
wait的参数为列表或者集合的形式，如下
tasks = asyncio.wait([task1,task2,task3])
loop.run_until_complete(tasks)
（2）返回的值不一样
gather的定义如下，gather返回的是每一个任务运行的结果，
results = await asyncio.gather(*tasks)
wait的定义如下,返回dones是已经完成的任务，pending是未完成的任务，都是集合类型
done, pending = yield from asyncio.wait(fs)
（3）后面还会讲到他们的进一步使用
简单来说：async.wait会返回两个值:done和pending，done为已完成的协程Task，pending为超时未完成的协程Task，需通过future.result调用Task的result。而async.gather返回的是已完成Task的result。
第四步：关闭事件循环
loop.close()
以上示例都没有调用 loop.close，好像也没有什么问题。所以到底要不要调 loop.close 呢？
简单来说，loop 只要不关闭，就还可以再运行：
loop.run_until_complete(do_some_work(loop, 1))
loop.run_until_complete(do_some_work(loop, 3))
loop.close()
但是如果关闭了，就不能再运行了：
loop.run_until_complete(do_some_work(loop, 1))
loop.close()
loop.run_until_complete(do_some_work(loop, 3)) # 此处异常
建议调用 loop.close，以彻底清理 loop 对象防止误用
2，Python3.7版本
在最新的python3.7版本中，asyncio又引进了一些新的特性和API，
例子以：无参数，无返回值
# 3.7版本或之后 无参数无返回值 start
import asyncio
import time
async def hello1():
print("Hello world 01 begin")
await asyncio.sleep(3) #模拟耗时任务3秒
print("Hello again 01 end")
async def hello2():
print("Hello world 02 begin")
await asyncio.sleep(2) #模拟耗时任务2秒
print("Hello again 02 end")
async def hello3():
print("Hello world 03 begin")
await asyncio.sleep(4) #模拟耗时任务4秒
print("Hello again 03 end")
async def main():
results=await asyncio.gather(hello1(),hello2(),hello3())
for result in results:
print(result) #因为没返回值，故而返回None
asyncio.run(main())
# 3.7版本或之后 无参数无返回值 end
Hello world 01 begin
Hello world 02 begin
Hello world 03 begin
Hello again 02 end
Hello again 01 end
Hello again 03 end
例子二：有参数有返回值
# 3.7版本或之后 有参数有返回值 start
import asyncio
import time
async def hello1(a,b):
print("Hello world 01 begin")
await asyncio.sleep(3) #模拟耗时任务3秒
print("Hello again 01 end")
return a+b
async def hello2(a,b):
print("Hello world 02 begin")
await asyncio.sleep(2) #模拟耗时任务2秒
print("Hello again 02 end")
return a-b
async def hello3(a,b):
print("Hello world 03 begin")
await asyncio.sleep(4) #模拟耗时任务4秒
print("Hello again 03 end")
return a*b
async def main():
results=await asyncio.gather(hello1(10,5),hello2(10,5),hello3(10,5))
for result in results:
print(result)
asyncio.run(main())
# 3.7版本或之后 有参数有返回值 end
Hello world 01 begin
Hello world 02 begin
Hello world 03 begin
Hello again 02 end
Hello again 01 end
Hello again 03 end
（3）总结：两步走（针对3.7和以后版本）
第一步：构建一个入口函数main
它也是一个异步协程函数，即通过async定义，并且要在main函数里面await一个或多个协程，和前面一样，我们可以通过gather或者是wait进行组合，对于有返回值的协程函数，一般就在main里面进行结果的获取。
第二步：启动主函数main
这是python3.7新添加的函数，就一句话，即
asyncio.run(main())
不再需要显式的创建事件循环，因为在启动run函数的时候，就会自动创建一个新的事件循环。而且在main中也不需要通过事件循环去掉用被包装的协程函数，只需要向普通函数那样调用即可 ，只不过使用了await关键字而已。
四，协程编程的优点
1、无cpu分时切换线程保存上下文问题（协程上下文怎么保存）
2、遇到io阻塞切换（怎么实现的）
3、无需共享数据的保护锁（为什么）
4、系列文章下篇预告——介绍低层的API，事件循环到底是怎么实现的以及future类的实现。
