单线程异步如何控制并发量呢？

在单线程异步编程中（如使用 Python 的 asyncio），控制并发量是通过信号量（Semaphore）或任务队列来实现的。信号量是一种同步原语，用于限制同时运行的异步任务数量。

以下是具体实现方法和示例代码：

1. 使用信号量（Semaphore）控制并发量

信号量可以限制同时运行的异步任务数量。asyncio.Semaphore 是 asyncio 提供的一个工具，用于控制并发。

（1）示例代码

import asyncio

# 控制并发量为 5
semaphore = asyncio.Semaphore(5)

async def download_file(url):
    async with semaphore:  # 获取信号量
        print(f"开始下载: {url}")
        await asyncio.sleep(2)  # 模拟下载耗时
        print(f"下载完成: {url}")

async def main(urls):
    tasks = [download_file(url) for url in urls]
    await asyncio.gather(*tasks)

urls = [f"http://example.com/file{i}" for i in range(20)]
asyncio.run(main(urls))

（2）代码说明

• semaphore = asyncio.Semaphore(5)：创建一个信号量，限制并发量为 5。
• async with semaphore：在进入 download_file 函数时获取信号量，退出时释放信号量。
• 如果当前有 5 个任务正在运行，第 6 个任务会等待，直到有信号量被释放。

2. 使用任务队列控制并发量

通过手动管理任务队列，可以更灵活地控制并发量。

（1）示例代码

import asyncio

async def download_file(url):
    print(f"开始下载: {url}")
    await asyncio.sleep(2)  # 模拟下载耗时
    print(f"下载完成: {url}")

async def worker(queue):
    while True:
        url = await queue.get()  # 从队列中获取任务
        await download_file(url)
        queue.task_done()  # 标记任务完成

async def main(urls, concurrency):
    queue = asyncio.Queue()

    # 将任务添加到队列
    for url in urls:
        queue.put_nowait(url)

    # 启动 worker
    workers = [asyncio.create_task(worker(queue)) for _ in range(concurrency)]
    await queue.join()  # 等待所有任务完成

    # 取消 worker
    for w in workers:
        w.cancel()

urls = [f"http://example.com/file{i}" for i in range(20)]
asyncio.run(main(urls, concurrency=5))  # 控制并发量为 5

（2）代码说明

• queue = asyncio.Queue()：创建一个任务队列。
• worker 函数：从队列中获取任务并执行。
• concurrency 参数：控制并发量，即同时运行的 worker 数量。
• queue.task_done()：标记任务完成，通知 queue.join()。
• queue.join()：等待所有任务完成。

3. 两种方法的对比

4. 总结

• 信号量：适合简单的并发控制，代码简洁易用。
• 任务队列：适合复杂的并发控制，支持动态调整和更精细的任务管理。

根据你的需求选择合适的方法。如果只是简单地控制并发量，信号量是更推荐的方式；如果需要更复杂的任务调度，可以使用任务队列。