asyncio 是 python 中基于协程的协作式调度机制，所有异步任务运行在单个 os 线程内，通过 await 显式让出控制权，实现高并发 i/o 密集型程序，但不提供真正的并行计算能力。
asyncio 是 python 中基于协程的协作式调度机制，所有异步任务运行在单个 os 线程内，通过 await 显式让出控制权，实现高并发 i/o 密集型程序，但不提供真正的并行计算能力。
asyncio 并非“用户级线程”（user-level threading）的实现，而是一种协作式（cooperative）并发模型，其核心在于显式控制权移交与单线程事件驱动。它不依赖操作系统线程调度器，也不绕过 GIL；相反，它巧妙地规避了 GIL 对 I/O 等待场景的限制——通过将阻塞操作（如网络读写、文件等待）委托给底层操作系统（如 epoll/kqueue/IOCP），并在就绪时由事件循环回调处理，从而在单个 OS 线程内高效复用 CPU。
关键概念辨析
- Coroutine（协程）：一个使用 async def 定义的可暂停函数，本身不自动执行，仅返回协程对象。
- Task（任务）：由 asyncio.create_task() 或 asyncio.ensure_future() 创建，是被事件循环调度执行的协程封装体。任务才是真正参与调度的单元。
- Event Loop（事件循环）：asyncio 的运行时引擎，负责监听 I/O 事件、触发回调、驱动任务状态切换。它不直接“管理任务”，而是通过调度器（如 _run_once() 内部逻辑）协调任务生命周期。
- Scheduler（调度器）：隐含在事件循环内部的组件，决定哪个就绪任务获得执行机会——它只在 await 表达式处发生上下文切换，且切换前提必须是等待对象（如 asyncio.sleep()、await reader.readline()）尚未完成。
协作式调度的典型流程
import asyncio
async def fetch_data():
print("Start fetching")
await asyncio.sleep(1) # ⚠️ 显式让出控制权，调度器可切换至其他任务
print("Done fetching")
return "data"
async def main():
task1 = asyncio.create_task(fetch_data())
task2 = asyncio.create_task(fetch_data())
await task1
await task2
asyncio.run(main())
输出：
Start fetching Start fetching Done fetching Done fetching
可见：两个任务交替执行（因 sleep 触发挂起），但全程仅占用一个 OS 线程，无锁竞争、无上下文切换开销，也无需线程同步机制。
重要注意事项
- ✅ 并发 ≠ 并行：asyncio 实现的是高并发（concurrency），适用于 I/O 密集型场景（HTTP 请求、数据库查询、文件读写等），但无法加速 CPU 密集型任务（如数值计算）。此类任务应交由 concurrent.futures.ProcessPoolExecutor 或 multiprocessing 处理。
- ✅ await 是调度锚点：只有在 await 表达式处才可能发生任务切换；纯计算循环中若无 await，将完全阻塞事件循环，导致其他任务“饿死”。
- ❌ 不要混淆术语：“用户级线程”通常指如 gevent、libcoro 等通过修改系统调用或汇编指令实现的轻量级线程抽象，而 asyncio 的 Task 是纯 Python 对象，依赖语言级语法（async/await）和事件循环协作，不属于传统用户态线程模型。
- ?️ 事件循环可重实现：标准库的 asyncio 是高层封装，其底层事件循环（如 SelectorEventLoop）可用几百行代码手动模拟——关键在于利用 OS 提供的异步 I/O 原语（如 select、epoll），而非 Python 自身创造“线程”。
总之，asyncio 的设计哲学是：以最小运行时开销，换取最大 I/O 吞吐效率。它不是对线程的替代，而是对“何时等待、何时继续”的精细化编程范式的支撑。理解 await 的语义边界、区分 coroutine 与 task、尊重单线程约束，是写出健壮异步代码的前提。
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！
