Python异步IO入门:并发、并行、异步,这次彻底说清楚

写Python写久了，你一定遇到过这种情况：程序卡在某处不动了，等网络请求、等文件读写、等数据库返回——CPU闲着，程序却傻等着。

很多人第一反应是上多线程。但Python的多线程有GIL，真正干活儿的只有一个线程，碰上IO密集任务，线程切换的成本还不低。

这时候，异步IO（asyncio）就登场了。

01 先搞清三个概念：并行、并发、异步

这三个词经常被混着用，但实际不是一回事。

并行（Parallelism）——同一时刻做多件事。需要多核CPU，每个核心跑一条线。适合CPU密集任务，比如大规模数学计算、视频渲染。Python里的multiprocessing就是干这个的。

并发（Concurrency）——多个任务"看起来"同时进行。不一定真的在同时跑，而是任务之间切换得够快，给你一种同时进行的错觉。并发比并行范围更广，并行是并发的一种特例。

异步IO（Async IO）——单线程、单进程内实现协作式多任务。每个任务在等待的时候主动"让出"CPU，让其他任务先跑。这是Python asyncio 做的事情。

简单记：并行靠核数，并发靠调度，异步靠"让路"。

02 一个经典比喻：国际象棋大师的异步策略

这个比喻来自Miguel Grinberg的PyCon演讲，是我看过最通俗的解释。

假设国际象棋大师Judit Polgár 要跟24个业余选手同时下棋：

• Judit每步走5秒
• 对手每步平均55秒
• 一局30回合（共60步）

同步版：Judit一次只跟一个人下，下完一盘再下一盘。

每局耗时（55+5）× 30 = 1800秒（30分钟） 24局 = 24 × 30 = 12小时

异步版：Judit走完一桌就换下一桌，让对手在她离开时思考。

把所有24桌的一步走完：24 × 5 = 120秒（2分钟） 总共 = 120 × 30 = 1小时

注意：Judit始终只有一个人，一次只走一步棋。但因为她在对手思考时"切换"到了下一桌，总时间从12小时砍到了1小时。

这就是异步IO的核心思想：不等。别干等别人干完，先去干别的活。

03 异步IO vs 多线程 vs 多进程

很多新手会纠结一个问题：有了多线程，还要异步干嘛？

其实它们解决的场景不同：

当你的IO任务特别多——比如爬10000个网页——多线程很可能撑不住，而asyncio完全扛得住。

原因很简单：线程是操作系统资源，10000个线程光创建切换就能把机器拖死。而asyncio的协程本质是用户态调度，10000个协程在内存里就是个列表。

04 Python的并发模型演进

Python标准库在支持并发上走过了一条很长的路：

• threading —— 多线程，但要面对GIL和竞态条件
• multiprocessing —— 多进程，绕过GIL，但进程间通信复杂
• concurrent.futures —— 封装了线程池/进程池
• asyncio —— 异步IO，单线程协作式并发

从Python 3.5开始，async和await成为语言的关键字，asyncio也成了标准库的一员。到了Python 3.11+，异常组（ExceptionGroup）等新特性进一步提升了异步编程的体验。

说实话，异步IO并不简单——回调、协程、事件循环、future、协议、传输……光术语就能劝退一堆人。但好在这些年文档和生态已经成熟了很多，不再是"劝退"级别的难度了。

05 什么时候用异步IO？

记住一句话：IO密集 + 大量任务 = asyncio的好时机。

具体场景：

• 网络爬虫（并发请求几十上百个URL）
• Web API服务（同时处理大量请求）
• WebSocket实时通信
• 消息队列消费
• 文件批量读写

不适合的场景：

• CPU密集计算（老老实实上多进程）
• 少量IO任务（用同步就够了，没必要复杂化）

另外注意：不是所有IO库都支持异步。比如标准文件操作就是阻塞的——要在异步代码里读写文件，得用aiofiles这种专门的异步库。数据库也一样，需要支持async/await语法的驱动。

小结

这一篇我们理清了异步IO是什么、跟其他并发模型有什么区别、什么时候该用它。

说实话，异步IO没那么玄乎。它的核心就一个字——等。不是傻等，而是趁等的功夫去干别的。跟多线程比起来，它更轻量、更可控、更适合大量IO任务的场景。

下一篇，我们直接上手写代码——协程、async/await、事件循环，一步到位。

关注「Bug与灵光」，追更Python全系列教程。有问题欢迎留言，咱们下一篇见。