asyncio通过事件循环实现单线程内非阻塞i/o调度，避免线程空转与上下文切换开销，在i/o密集场景下显著提升吞吐量和cpu利用率。
因为 asyncio 让单线程在等待 I/O 时立刻切走，而不是干等——它不靠多线程抢资源，靠的是“不浪费每一毫秒空闲时间”。
为什么阻塞式 I/O 是吞吐量的硬伤
同步代码里调用 requests.get() 或 conn.execute()，线程就卡住不动了，CPU 空转，连接也占着不放。100 个并发请求 = 100 个线程在排队等响应，内存涨、上下文切换猛、系统调用多。
而异步不是“更快地执行”，是“更少地闲置”。只要底层驱动（如 aiomysql、aiohttp）用了非阻塞 socket 和 IO 多路复用（epoll/kqueue），一次系统调用就能同时监听成百上千个连接的状态变化。
- 同步模型下，每个请求独占一个线程，平均 CPU 利用率常低于 15%
- 异步模型下，单线程可维持 10K+ 并发连接，CPU 利用率稳定在 60–80%
- 关键不是“快”，是“不把时间花在等上”——等数据库返回的 200ms 里，能干完另外 3 个 API 调用
await 不是“暂停函数”，是“交出控制权给事件循环”
await 的本质不是让当前协程睡一会儿，而是告诉 asyncio.get_event_loop()：“我这会儿要等 I/O，你先去跑别的”。事件循环立刻查表，挑一个已就绪（比如网络响应已到、文件已读完）的协程 resume。
这个切换发生在用户态，开销约 1μs；线程切换要进内核，动辄 3–5μs。1000 次切换下来，差出几毫秒，对高并发就是几百 QPS 的差距。
-
await asyncio.sleep(0)是手动让出控制权的最小代价方式，常用于避免长协程饿死其他任务 - 如果 await 的对象不是真正的异步原语（比如误 await 了一个普通函数或
time.sleep()），协程就假异步——还是阻塞的 -
async def定义的函数返回的是协程对象，不 await 就不会执行，也不会挂起
真正起作用的是整个异步生态链，不是单个 async/await
光写 async def 没用。必须整条链路都非阻塞：HTTP 客户端得用 aiohttp，数据库得用 aiomysql 或 asyncpg，文件操作得用 asyncio.to_thread() 包装或 aiofiles，连日志写入都最好避开阻塞式 logging.FileHandler。
常见断点：
- 混用
requests+asyncio：直接退化为同步，整个 event loop 被卡死 - 数据库连接没设
autocommit=True或没正确 close()：连接池耗尽，后续协程全堵在connect() - 忘了
await某个协程调用（比如漏了await cursor.execute(...)）：返回的是协程对象而非结果，后续逻辑崩，但错误可能延迟到await其他地方才暴露
吞吐量提升不是线性的，取决于 I/O 等待占比
如果你的协程里有大量 CPU 密集计算（比如解析大 JSON、做图像缩放），asyncio 帮不上忙——它只优化 I/O 等待。这时候该上 concurrent.futures.ProcessPoolExecutor。
实测中，当单次请求中 I/O 等待时间占总耗时 70% 以上时，异步改造的吞吐收益最明显；若计算占比高，盲目加 async 反而因事件循环调度引入额外开销。
最容易被忽略的一点：event loop 本身是单线程的。它再高效，也无法并行执行两个 CPU 绑定任务。所谓“高并发”，仅针对 I/O 等待密集的场景成立。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
