contextvars 不会“串”是因为其绑定到每个 asyncio.task 的独立 context 对象，而非线程；await 切换时自动传播上下文，确保各 task 变量隔离互不干扰。
contextvars 在 asyncio 协程中为什么不会“串”？
因为 contextvars 的核心设计就是绑定到当前 asyncio.Task（或更底层的 Context 对象），而非线程。Python 3.7+ 中，每次 await 切换协程时，解释器会自动传播并切换当前上下文 —— 这意味着每个 Task 拥有独立的 Context 实例，变量读写互不干扰。
常见错误现象：用全局 dict 或 threading.local() 存协程 ID 或请求 ID，结果在并发请求中值被覆盖或错乱；根本原因是它们要么共享、要么按线程隔离，而 asyncio 可能复用同一线程跑多个 Task。
-
contextvars.ContextVar必须在协程外定义（如模块级），但赋值必须在协程内通过.set() - 同一变量在不同 Task 中调用
.get()，返回的是各自.set()的值，未 set 则抛LookupError - 不要在非 async 函数里调用
.set()，除非你手动copy_context()并run()，否则可能写入到错误上下文
如何给每个 HTTP 请求注入唯一 trace_id？
典型场景：FastAPI/Starlette 中，在中间件里为每个请求生成 trace_id，后续所有异步子调用（DB 查询、HTTP 调用、日志）都能访问它，且不污染其他请求。
实操关键点是「在事件循环入口处 set，且确保所有异步路径都运行在同一个 Task 上」：
- 定义：
TRACE_ID = contextvars.ContextVar("trace_id", default=None) - 中间件中（如 Starlette 的
dispatch）：token = TRACE_ID.set(str(uuid4())) - 处理完后必须
TRACE_ID.reset(token)，否则该 Task 后续重用时残留旧值 - 日志格式化器里直接
TRACE_ID.get()，无需传参，也不依赖 request 对象生命周期
注意：如果用了 loop.run_in_executor() 调用同步函数，ContextVar 不会自动继承 —— 需显式捕获并传入，或改用 concurrent.futures.ThreadPoolExecutor + 手动 copy_context()。
contextvars.copy_context() 的两个典型误用
这个函数常被当成“深拷贝上下文”来用，但它实际只复制当前 Context 的快照，且新 Context 默认不激活 —— 容易踩坑。
- 错误写法：
ctx = contextvars.copy_context(); ctx.run(some_func)→some_func确实运行在新 Context，但若它内部再await，协程恢复时仍回到原 Task 的 Context，不是你 copy 的那个 - 正确做法：仅用于同步函数执行（如
executor.submit()前），且需配合ctx.run()；对 async 函数，应使用asyncio.create_task(coro, context=ctx)（Python 3.11+）或老版本中先asyncio.get_running_loop().create_task()再手动 patch - 别用
copy_context()替代 Task 层面的隔离 —— 它解决不了协程切换问题，只是临时同步执行的兜底手段
与 threading.local() 和 asyncio.get_current_task() 的关键区别
三者目标相似，但作用域和机制完全不同：
-
threading.local()：按 OS 线程隔离，asyncio 可能在线程池中调度多个 Task，导致泄漏 -
asyncio.get_current_task()：能拿到当前 Task 对象，但不能直接存业务数据；若用task.my_attr = xxx，Task 被 GC 后数据即丢，且无法被子协程自动继承 -
contextvars.ContextVar：按 Python 层的 Context 隔离，随await自动传播，支持嵌套、reset、跨 await 生效 —— 是目前唯一推荐的协程上下文方案
容易被忽略的一点：ContextVar 的 default 参数只在 .get() 时生效，.set() 后即使设为 None，.get() 也不会回退到 default，必须 reset() 才行。
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！
