应直接使用 asyncio.create_subprocess_exec，而非 loop.run_in_executor 包裹 subprocess.run，因后者仅将同步阻塞操作移至线程池，并未实现真正的异步 i/o 复用，无法并发处理多进程及实时流读取。
直接用 asyncio.create_subprocess_exec，别碰 loop.run_in_executor 包裹 subprocess.run —— 那不是真正的异步，只是把阻塞操作扔到线程池里跑，浪费资源还掩盖问题。
为什么不能用 subprocess.run + run_in_executor
这是新手最常踩的坑：以为“丢进 executor 就是异步”。实际它只是把同步调用挪到后台线程，进程本身仍是阻塞启动、阻塞等待退出，无法实现真正的并发 I/O 复用。尤其当你需要同时跑多个脚本、还要实时读取 stdout/stderr 时，会卡死或丢失数据。
-
subprocess.run内部调用os.waitpid，是同步系统调用，绕不开 -
run_in_executor启动的子进程仍会阻塞该线程，线程池满后新任务排队 - 无法在运行中按需读取流（比如边执行边解析日志），只能等结束才拿到全部输出
create_subprocess_exec 的基本用法和参数要点
它返回一个 Process 对象，所有 I/O 操作都基于 StreamReader，天然支持 await。关键参数要设对：
-
stdout=asyncio.subprocess.PIPE和stderr=asyncio.subprocess.PIPE必须显式指定，否则流不可读 - 路径必须是绝对路径或确保
PATH环境变量可用；传字符串列表（如["/bin/bash", "script.sh"]），别拼接命令字符串 - 避免使用
shell=True—— 它会额外起一层 shell 进程，干扰信号传递和流控制 - 如果脚本需要输入，用
proc.stdin.write()+await proc.stdin.drain()，别忘了proc.stdin.close()
示例：
import asyncio <p>async def run_script(): proc = await asyncio.create_subprocess_exec( "/usr/bin/python3", "worker.py", stdout=asyncio.subprocess.PIPE, stderr=asyncio.subprocess.PIPE ) stdout, stderr = await proc.communicate() print(stdout.decode()) return proc.returncode </p>
如何实时读取 stdout 而不等进程结束
想边跑边看日志？proc.stdout 是个 StreamReader，支持 readline()、read(1024) 等异步方法。但要注意：
- 不要用
await proc.wait()等退出后再读 —— 此时流可能已关闭，读不到最后一段 - 推荐用
async for line in proc.stdout:（需 Python 3.7+），自动处理换行和 EOF - 如果脚本输出不带换行（比如进度条），改用
await proc.stdout.read(1)或设定 buffer size - 务必同时读
stdout和stderr，否则缓冲区满会导致子进程挂起（Linux 下 pipe buffer 默认 64KB）
典型实时读取结构：
async def stream_output(proc):
while True:
line = await proc.stdout.readline()
if not line:
break
print("OUT:", line.decode().strip())
<p>async def main():
proc = await asyncio.create_subprocess_exec(..., stdout=asyncio.subprocess.PIPE)
await stream_output(proc)
await proc.wait() # 确保进程真正结束
</p>
真正麻烦的是错误处理和超时控制——比如子进程卡住、写满 pipe、或被 SIGKILL 杀掉后残留资源。这些得靠 proc.terminate() / proc.kill() 配合 asyncio.wait_for 显式管理，不然协程会永远挂在那里。
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！
