uvloop 需手动设置事件循环策略才生效,Windows 下须先设 WindowsSelectorEventLoopPolicy 再设 uvloop;aiohttp 需合理配置 connector、resolver、timeout 和并发控制,否则无法发挥 uvloop 优势。

为什么直接 pip install uvloop 后不生效?
因为 uvloop 只是替代默认事件循环的实现,它不会自动注册——Python 运行时仍用 asyncio.DefaultEventLoopPolicy。你得在 asyncio.run() 之前显式设置策略,否则 uvloop 始终闲置。
常见错误现象:装了 uvloop、也 import 了,但实测耗时和不用它几乎一样。
- 必须在创建任何协程或调用
asyncio.run()前执行:asyncio.set_event_loop_policy(uvloop.EventLoopPolicy()) - 推荐放在脚本最顶部,紧挨着 import 之后(尤其避免在函数内、子模块中才设置)
- Windows 上需注意:Python 3.11 默认使用
ProactorEventLoop,而uvloop不支持;此时应改用SelectorEventLoop兼容模式(见下一点)
Windows 下 uvloop 报错 RuntimeError: uvloop is not supported on Windows 怎么办?
这是 Python 3.11 在 Windows 上的默认行为:它强制启用 ProactorEventLoop(为支持子进程等),但 uvloop 仅兼容 SelectorEventLoop。不改代码就硬上,必然报错。
解决路径只有一条:主动降级到 selector 模式,并在此基础上启用 uvloop。
- 在设置 policy 前加一句:
asyncio.set_event_loop_policy(asyncio.WindowsSelectorEventLoopPolicy()) - 再紧接着设置:
asyncio.set_event_loop_policy(uvloop.EventLoopPolicy()) - 顺序不能反——先锁定 selector 策略,再用 uvloop 替换它
- Linux/macOS 无需此步,但统一写法可提升跨平台健壮性
aiohttp.ClientSession 配合 uvloop 的关键连接池参数
uvloop 加速的是事件循环调度本身,但真正卡住吞吐量的,往往是连接层:DNS 解析慢、TCP 连接复用率低、空闲连接未及时回收。这些必须靠 aiohttp 的配置来补足。
将测试、lint、构建和文档流程编码为命名的Python会话,以便人类和代理每次运行相同的workflow。
-
connector=aiohttp.TCPConnector(limit=100, limit_per_host=30, keepalive_timeout=30):避免单域名打爆目标,也防自己开太多连接被系统 kill - 务必启用异步 DNS:
resolver=aiohttp.resolver.AsyncResolver(),否则 DNS 查询会退化为同步阻塞 - 超时必须显式设:
timeout=aiohttp.ClientTimeout(total=10, connect=5, sock_read=5),防止某个请求拖垮整批任务 - 不要在每次请求都新建
ClientSession——它本身带连接池,应复用整个生命周期
并发数设到 1000 就一定更快?
实测数据很打脸:在 Python 3.11 + uvloop + aiohttp 组合下,把并发从 100 拉到 1000,总耗时可能只减少 10%~15%,但内存占用翻 3 倍、失败率飙升(尤其是 DNS 超时和 ConnectionResetError)。
根本原因不是 CPU 或事件循环瓶颈,而是本地端口耗尽、DNS 服务器限频、目标服务 TCP backlog 溢出。
- 优先用
asyncio.Semaphore(200)控制实际并发上限,比无节制gather更稳 - 对同一域名,用
limit_per_host再做一层隔离(如设为 20),比全局限流更贴近真实网络约束 - 如果目标有反爬,高并发反而触发更严限制——这时“快”不如“活”,得配合随机 delay 和 User-Agent 轮换
uvloop 的加速收益是边际递减的,真正卡性能的往往不在事件循环里,而在你没配的 connector 参数、没设的 timeout、以及没意识到的本地网络栈限制。别迷信数字,先压测 DNS 和连接建立阶段的耗时,再调并发。
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!










