Python 异步编程：async、await 与事件循环
# Python 异步编程：async、await 与事件循环
理解协程、Task、事件循环和并发控制，能判断异步适合什么问题，并避免阻塞事件循环。
# 先记住一句话
asyncio 通过单线程事件循环协作调度大量 I/O 任务；协程只有在执行到可等待操作时主动让出控制权。
Task A 执行 → 等待网络 I/O ─┐
↓
Task B 执行 → 等待数据库 ───→ 事件循环继续调度可运行任务
↓
某个 I/O 完成 → 恢复对应 Task
2
3
4
5
异步并不会让 CPU 计算自动变快。它主要减少网络、磁盘、数据库等等待时间造成的线程闲置。
# 协程怎样运行
import asyncio
# async def 定义协程函数；调用它会得到协程对象，需要由 await 或事件循环执行。
async def fetch_note(note_id: str) -> str:
# sleep 模拟非阻塞网络等待；真实项目会调用异步 HTTP 或数据库客户端。
# await 会暂停当前协程，把执行机会交还事件循环，等待完成后再从这里继续。
await asyncio.sleep(0.1)
return f"note:{note_id}"
async def main() -> None:
# TaskGroup 会并发运行任务；任一任务失败时会取消同组未完成任务。
async with asyncio.TaskGroup() as group:
first = group.create_task(fetch_note("py"))
second = group.create_task(fetch_note("go"))
# 离开 TaskGroup 时任务都已结束，可以安全读取结果。
print(first.result(), second.result())
# asyncio.run 创建事件循环、执行入口协程并负责收尾。
if __name__ == "__main__":
asyncio.run(main())
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
调用 fetch_note("py") 只会创建协程对象，不会自动跑完。必须通过 await、TaskGroup 或其他调度方式把它交给事件循环。
# 超时、取消和并发上限
import asyncio
from collections.abc import Awaitable, Callable
# Callable[[str], Awaitable[str]] 表示 fetcher 接收字符串，并返回一个可等待的字符串结果。
async def run_limited(
ids: list[str],
fetcher: Callable[[str], Awaitable[str]],
) -> list[str]:
# 信号量限制同时在途请求数，避免压垮下游服务。
semaphore = asyncio.Semaphore(5)
async def one(note_id: str) -> str:
async with semaphore:
# 单次调用超过两秒就取消等待，并向上抛出 TimeoutError。
async with asyncio.timeout(2):
return await fetcher(note_id)
# 生成器逐个创建协程；前面的 * 将它们展开成 gather 的多个参数。
# gather 并发等待全部协程，并按照传入顺序返回结果。
return await asyncio.gather(*(one(note_id) for note_id in ids))
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
取消是协作式的。协程要执行到 await 才有机会接收取消。捕获 CancelledError 后通常应完成必要清理并继续抛出，否则上层可能误判任务仍在正常运行。
# 最常见的错误：阻塞事件循环
import asyncio
from pathlib import Path
# Path 是面向对象的文件路径；read_text() 仍是同步阻塞 I/O。
def read_large_file(path: Path) -> str:
"""同步阻塞函数，假设暂时无法替换为异步实现。"""
return path.read_text(encoding="utf-8")
async def load_without_blocking(path: Path) -> str:
# 把同步 I/O 放到工作线程，避免卡住事件循环中的其他请求。
return await asyncio.to_thread(read_large_file, path)
2
3
4
5
6
7
8
9
10
11
工作线程不是无限资源。大量 CPU 密集任务应考虑进程池、任务队列或原生扩展，而不是全部塞进 to_thread。
# 怎样选择执行模型
| 场景 | 常见选择 | 原因 |
|---|---|---|
| 少量简单同步任务 | 普通同步代码 | 最容易理解和调试 |
| 大量网络 I/O | asyncio | 单线程即可管理许多等待任务 |
| 阻塞 I/O 库 | 线程池 | 不阻塞事件循环，迁移成本低 |
| 纯 Python CPU 密集计算 | 多进程或外部计算服务 | 绕开传统 GIL 的执行限制 |
# 高频面试题与回答
1. 并发和并行有什么区别？参考答案
并发是多个任务在一段时间内交替推进，并行是多个任务在同一时刻真正执行。asyncio 通常在一个线程中实现并发，适合 I/O 等待；CPU 密集计算要根据实现选择多进程或其他并行方案。
2. `async def` 中为什么仍可能阻塞？参考答案
async def 只创建协程语义，不会把里面的同步操作自动变成非阻塞。若执行同步 HTTP、文件读取或长时间 CPU 计算，事件循环仍会被占住，其他协程无法及时运行。
3. 协程、Task 和 Future 有什么区别？参考答案
调用异步函数得到协程对象，它描述一段可暂停的工作；Task 把协程提交给事件循环调度，并保存完成、结果或异常状态；Future 是更底层的可等待结果占位对象。业务代码通常直接 await 协程，只有需要并发推进和统一管理时才显式创建 Task。
4. asyncio 取消任务是立即强制终止吗？参考答案
不是。取消是协作式的，事件循环会在任务下一次获得执行机会时抛出取消异常，任务必须到达 await 等可暂停位置才能响应。清理资源应放进 finally 或上下文管理器，并且不要无意吞掉取消信号，否则超时和服务关闭都会失效。
# 接下来学什么
下一篇学习 线程、多进程与 asyncio，比较不同执行模型适合的任务类型、限制和工程边界。