async/await

在 Python 里聊 async/await，其实有点像聊怎么在一条单行道上安排多辆车同时出发，但又不堵车。

很多人刚接触时会觉得，这不就是多线程吗？其实不太一样。多线程是系统给你安排多个车道，每个车道跑一辆车，但 Python 里的线程因为 GIL 的存在，很多时候是“假并行”，更像是一个调度员快速切换车道上的车，让它们轮流跑。而 async/await 更像是一条车道，但每辆车都知道自己什么时候该让一下，好让别的车先走一段。

举个例子，假设你在写一个网络爬虫，要请求十个不同的网站。如果用传统同步的方式，代码会依次发起请求，等第一个网站返回数据了，再去请求第二个，这期间你的程序大部分时间在“空等”，就像在收费站排队，前面车付钱时，后面只能干等。

如果用 async/await，发起第一个请求后，不用等它回来，就可以立刻发起第二个、第三个……等到某个请求的数据回来了，再回来处理它。这就像在同一个窗口同时交十份材料，每份材料处理需要时间，但处理员在等的间隙可以处理另一份，而不是傻等。

但要注意，async/await 并不会让代码自己变快，它只是让你在“等待 IO”的时候能做别的事。如果你的任务全是计算密集型的，比如算圆周率，那用它反而可能增加复杂度，效果也不明显。

在语法上，async 放在函数定义前，意思是这个函数可以暂停和恢复；await 放在需要等待的操作前，意思是“这里可能要等，先让其他任务跑吧”。

不过，真正用好 async/await 需要理解事件循环（event loop）—— 你可以把它想象成一个总调度员，负责在多个任务之间切换，哪个任务等的东西到了，就让它继续执行。

很多人容易掉进一个坑：在 async 函数里调用了阻塞的同步代码，比如用了某个不支持异步的库，结果整个事件循环就卡住了。所以一般会建议，用了 async/await，配套的库最好也是异步的，比如 aiohttp 而不是 requests。

还有一点，异步代码的调试比同步代码麻烦一些，因为执行顺序不那么直观。有时候打印日志会发现，明明代码写的是 A 在 B 前面，打印出来却是 B 先出现，这就是因为任务切换导致的。

总的来说，async/await 是 Python 处理 IO 密集型任务的一把利器，但它不是银弹。用之前先想清楚场景，如果全是 CPU 计算，可能多进程更合适；如果是大量网络请求、文件读写这类“等待型”工作，那异步会带来明显的效率提升。

刚开始写可能会觉得绕，写多了就会习惯这种“让路”式的编程思维。