Python Eventlet是什么？Eventlet异步编程教程

Python Asyncio 并非简单的多线程替代方案，而是基于事件循环的协程并发模型，适合处理高I/O密集型任务，但在CPU密集型场景下需配合多进程使用。

理解Python Asyncio的核心机制与适用场景

Asyncio 是 Python 3.4 引入的标准库，旨在通过单线程实现并发，它利用 async 和 await 关键字，让开发者能够以同步代码的写法编写异步逻辑，这种设计极大地降低了异步编程的复杂度，避免了传统回调地狱（Callback Hell）的陷阱。

加载中

python async异步编程（asyncio 学python必备）

武沛齐

5.2万795398

原视频地址

业内专家指出,Asyncio 的核心在于事件循环（Event Loop），事件循环负责调度协程，当协程遇到 I/O 等待（如网络请求、文件读写）时，会将控制权交还给事件循环，去执行其他就绪的协程，这种非阻塞机制使得单个线程能够同时管理成千上万个连接。

并非所有场景都适合使用 Asyncio，许多开发者在尝试将现有同步代码强行异步化时，往往遭遇性能瓶颈，这通常是因为误用了异步库处理 CPU 密集型任务，如图像处理或复杂数学计算，在这些情况下，GIL（全局解释器锁）会限制多线程并行，而 Asyncio 的单线程特性反而会成为性能瓶颈。

Python Asyncio 与多线程对比分析

为了更清晰地理解 Asyncio 的优势与局限，我们需要将其与传统的多线程模型进行对比。

• 上下文切换开销：线程切换涉及操作系统内核态与用户态的切换，开销较大，而协程切换发生在用户态，由 Python 解释器直接调度，开销极小。
• 内存占用：每个线程通常占用 1MB 左右的栈空间，对于数万并发连接，内存消耗巨大，协程则轻量得多，每个协程仅占用少量内存，适合高并发场景。
• 编程模型：多线程需要处理锁、死锁等复杂同步问题，Asyncio 基于单线程模型，无需处理锁竞争，逻辑更线性，易于调试。

何时选择 Asyncio

如果你的应用涉及大量网络请求、数据库查询或文件读写，Asyncio 是理想选择，爬虫程序需要同时抓取数百个网页，使用 Asyncio 可以将响应时间从分钟级缩短到秒级，相反，如果任务是视频转码或数据加密，应优先选择多进程而非异步。

Python Asyncio 实战入门与常见误区

掌握 Asyncio 的关键在于理解 async def 和 await 的语义。async def 定义一个协程函数，调用它不会立即执行，而是返回一个协程对象，必须使用 await 来挂起当前协程，等待另一个可等待对象（如另一个协程、Future 或 Task）完成。

Python Asyncio 基础语法详解

让我们通过一个简单的示例来演示如何启动事件循环。

import asyncio
async def fetch_data():
    print("开始获取数据...")
    await asyncio.sleep(2)  # 模拟 I/O 等待
    print("数据获取完成")
    return {"data": "result"}
async def main():
    # 并发执行两个任务
    task1 = asyncio.create_task(fetch_data())
    task2 = asyncio.create_task(fetch_data())
    # 等待所有任务完成
    results = await asyncio.gather(task1, task2)
    print(results)
# 运行主协程
asyncio.run(main())

在上述代码中,asyncio.gather 用于并发执行多个协程，注意，asyncio.sleep 是异步阻塞，不会占用 CPU，而是将控制权交还给事件循环，如果使用 time.sleep，则会阻塞整个事件循环，导致其他协程无法运行。

常见错误：阻塞事件循环

许多初学者在异步代码中混用同步库,导致性能下降甚至程序假死，在

async def 中直接调用 requests.get() 会阻塞事件循环，正确的做法是使用 aiohttp 或 httpx 等异步 HTTP 客户端。

• 错误示范：

  import requests
  async def bad_example():
      response = requests.get("http://example.com") # 阻塞！

• 正确示范：

  import aiohttp
  async def good_example():
      async with aiohttp.ClientSession() as session:
          async with session.get("http://example.com") as response:
              html = await response.text()

Python Asyncio 高级应用与性能优化

在实际生产环境中,Asyncio 的应用远比基础示例复杂，处理连接池、超时控制、错误重试等细节，是构建高可用异步应用的关键。

Python Asyncio 连接池管理策略

对于数据库或 HTTP 请求，频繁创建和销毁连接会带来巨大开销，使用连接池可以显著提升性能。

• HTTP 连接池：aiohttp 内置了连接池管理，通过 ClientSession 自动复用 TCP 连接。
• 数据库连接池：对于 PostgreSQL，推荐使用 asyncpg，它提供了高效的异步连接池，对于 MySQL，aiomysql 或 databases 库也是不错的选择。

超时与重试机制

网络请求的不确定性要求我们实现健壮的超时和重试逻辑。asyncio.wait_for 可以设置超时，而自定义装饰器或库如 tenacity 可以实现指数退避重试。

import asyncio
from tenacity import retry, stop_after_attempt, wait_exponential
@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=2, max=10))
async def fetch_with_retry(url):
    async with aiohttp.ClientSession() as session:
        async with session.get(url, timeout=aiohttp.ClientTimeout(total=5)) as resp:
            resp.raise_for_status()
            return await resp.json()

Python Asyncio 与同步代码的互操作

在某些场景下,我们不得不调用同步库，可以使用 loop.run_in_executor 将同步函数放入线程池或进程池中执行，避免阻塞事件循环。

import asyncio
import time
def blocking_task():
    time.sleep(5)  # 模拟耗时操作
    return "Done"
async def main():
    loop = asyncio.get_running_loop()
    # 在线程池中执行同步函数
    result = await loop.run_in_executor(None, blocking_task)
    print(result)
asyncio.run(main())

Python Asyncio 生态工具链推荐

选择合适的工具链可以事半功倍,以下是业内常用的 Asyncio 相关库。

• 网络请求：aiohttp（功能最全）、httpx（支持同步和异步 API，易于迁移）。
• Web 框架：FastAPI（基于 Starlette 和 Pydantic，性能极高，原生支持 Asyncio）、Sanic（专为异步设计）。
• 数据库 ORM：SQLAlchemy 2.0（支持异步）、Tortoise ORM（轻量级，类似 Django ORM）。
• 任务队列：Celery（支持 Asyncio 后端，但配置复杂）、ARQ（专为 Asyncio 设计，轻量高效）。

据工信部数据,近年来 Python 在 Web 开发和数据处理领域的市场份额持续增长，Asyncio 因其高性能和低资源占用，成为构建微服务和 API 网关的首选技术栈之一。

FAQ: Python Asyncio 常见问题解答

Python Asyncio 适合 CPU 密集型任务吗？

不适合,Asyncio 是单线程并发模型，无法利用多核 CPU 的优势，对于 CPU 密集型任务，如图像处理、机器学习训练，应使用 multiprocessing 模块或多线程（在 GIL 释放的 C 扩展中），如果必须在 Asyncio 中处理 CPU 密集型任务，可以使用 loop.run_in_executor 将任务提交给进程池。

Python Asyncio 与 Twisted 有什么区别？

Twisted 是一个早期的异步网络框架，基于回调和 Deferred 对象，学习曲线陡峭，Asyncio 是 Python 标准库，语法更简洁，符合 Pythonic 风格，且拥有更活跃的社区和丰富的第三方库支持，对于新项目，建议优先选择 Asyncio。

Python Asyncio 在 Windows 和 Linux 上的表现一致吗？

基本一致,但底层实现略有不同，在 Linux/macOS 上，Asyncio 默认使用 epoll/kqueue，效率极高，在 Windows 上，由于缺乏原生支持，Asyncio 使用 ProactorEventLoop（基于 IOCP），性能稍逊，但在大多数应用场景下差异可忽略，对于高性能需求，建议在 Linux 环境中部署。