Python 异步编程实战：async/await 完全指南

为什么需要异步？

在 I/O 密集型场景中，异步编程可以：

• 同时处理多个网络请求
• 不阻塞主线程等待响应
• 显著提升吞吐量

核心概念

async 和 await

import asyncio
import aiohttp

async def fetch(url):
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as response:
            return await response.text()

Event Loop

事件循环是异步的核心：

• 调度协程执行
• 管理 I/O 回调
• 处理任务取消

实战案例：并发爬虫

async def crawl_all(urls):
    tasks = [fetch(url) for url in urls]
    results = await asyncio.gather(*tasks)
    return results

# 运行
urls = ["https://api1.com", "https://api2.com"]
data = asyncio.run(crawl_all(urls))

常见陷阱

1. 阻塞调用：避免在 async 函数中使用 time.sleep
2. 异常处理：用 try/except 包裹 await
3. 资源清理：使用 async with 确保释放

性能对比

场景	同步	异步
100 个 API 调用	~100s	~2s
CPU 占用	高	低

结语

异步编程是 Python 高性能服务的必备技能，掌握它能让你构建更高效的系统。