当前位置：首页 > news >正文

Python 异步编程从入门到实战：告别阻塞，让你的代码效率起飞

news 2026/6/10 17:45:47

你有没有遇到过这样的场景：写了一个批量爬取网页的脚本，单线程跑起来要等十几分钟，中途还容易因为网络波动前功尽弃；写一个接口服务，一个耗时的数据库查询就能把整个服务拖慢，其他请求都得排队。

这些问题的根源，大多来自同步阻塞的执行方式。而 Python 异步编程，就是解决这类问题的利器。今天我们就从原理到实战，一篇搞定 Python 异步编程，让你轻松写出高效的非阻塞代码。

一、什么是异步编程？为什么它能让代码更快？

很多人容易把异步和多线程、多进程搞混，这里先给大家理清楚三者的区别：

多进程：多个进程同时运行，适合 CPU 密集型任务，缺点是进程开销大，进程间通信复杂。
多线程：一个进程内的多个线程并发执行，适合 I/O 密集型任务，但受限于 Python 的 GIL（全局解释器锁），同一时间只有一个线程能执行 Python 字节码，无法真正并行 CPU 密集型任务。
异步编程：单线程内的并发执行，在单个线程内处理多个任务，当某个任务等待 I/O（比如网络请求、文件读写）时，线程不会闲着，而是去执行其他任务，没有线程切换的开销，效率更高。

我们可以用一个生活场景来类比：
你去奶茶店点单，同步编程就是"点一杯，等做好，再点下一杯"，全程只能干等；多线程就是"雇几个帮手一起做"，但人多了协调成本高；而异步编程，就是你点单后，店员在做你的奶茶时，同时去做其他顾客的订单，不浪费任何等待时间。

对于网络请求、数据库操作、文件读写这类 I/O 密集型任务，异步编程的效率优势会被显著提升，这也是它在后端服务、爬虫等场景中被广泛使用的原因。

下面用流程图展示三种并发模型的区别：

二、Python 异步编程的核心概念

Python 的异步编程基于asyncio库实现，下面几个核心概念是你必须搞懂的。

1. 协程（Coroutine）

协程是异步编程的基本单元，本质上就是"可以暂停和恢复的函数"。和普通函数不同，协程需要用async def定义，调用协程函数不会立即执行，而是返回一个协程对象，需要由事件循环驱动执行。

importasyncio# 定义一个协程函数asyncdefhello():print("Hello, Async!")# 调用协程函数，得到的是一个协程对象，不会执行coro=hello()print(type(coro))# 输出：<class 'coroutine'>

2. 事件循环（Event Loop）

事件循环是异步编程的"调度器"，它负责管理所有协程的执行，决定什么时候执行哪个协程，什么时候切换到其他协程。我们写的异步代码，最终都要交给事件循环来运行。

3.`await`关键字

await是协程里用来等待一个可等待对象（比如另一个协程、任务、Future 对象）的关键字。当协程执行到await时，会暂停当前协程的执行，把控制权交还给事件循环，让事件循环去执行其他任务，直到等待的操作完成，再恢复当前协程的执行。

4. 任务（Task）

任务是协程的包装器，它把协程对象包装成一个可以被事件循环调度的任务。使用asyncio.create_task()可以把协程包装成任务，让它在后台并发执行。

五、常见坑点与生产环境最佳实践

1. 不要在协程中使用同步阻塞操作

比如time.sleep()、同步的requests.get()、同步的数据库查询，这些操作会阻塞整个事件循环，让异步代码失去优势。所有耗时的 I/O 操作，都要换成对应的异步版本（比如asyncio.sleep()、aiohttp、asyncpg等）。

2. 避免 CPU 密集型任务

异步编程适合 I/O 密集型任务，不适用于 CPU 密集型任务。如果在协程中执行长时间的 CPU 计算，会阻塞事件循环，其他任务无法执行。对于 CPU 密集型任务，建议使用多进程。

3. 合理控制并发数量

asyncio.gather()会一次性启动所有任务，如果并发数太多（比如几千个请求），可能会导致系统资源耗尽，或者被目标服务器限流。可以用asyncio.Semaphore控制并发数：

importasyncioimportaiohttpasyncdeffetch(session,url,semaphore):asyncwithsemaphore:# 控制并发数asyncwithsession.get(url)asresponse:print(f"请求完成：{url}")asyncdefmain():urls=[f"https://www.example.com/{i}"foriinrange(10)]semaphore=asyncio.Semaphore(3)# 最多同时执行3个请求asyncwithaiohttp.ClientSession()assession:tasks=[fetch(session,url,semaphore)forurlinurls]awaitasyncio.gather(*tasks)asyncio.run(main())