一篇文章搞懂 Python 异步编程

写代码的人最怕什么？页面卡，用户骂，老板问。

但有时候真不是代码逻辑有问题，是你的程序在同步执行——一个任务等另一个任务，像极了食堂排队打饭，前面的人慢，后面全得等。

今天聊聊Python异步编程，帮你把这事一次搞明白。

往期阅读>>>

Python 为什么会成为AI时代的头部语言

Python 40个常用的列表推导式

Python 50个提高代码开发效率的方法

Python 自动检测服务HTTPS证书过期时间并发送预警

Python 自动化操作Redis的15个实用脚本

Python 自动化管理Jenkins的15个实用脚本，提升效率

Python copyparty搭建轻量的文件服务器的方法

Python 实现2FA认证的方法，提升安全性

Python 封装20个常用API接口，提升开发效率

App2Docker：如何无需编写Dockerfile也可以创建容器镜像

Python 集成 Nacos 配置中心的方法

Python 35个JSON数据处理方法

Python 字典与列表的20个核心技巧

Python 15个文本分析的库，提升效率

Python 15个Pandas技巧，提升数据分析效率

Python 运维中30个常用的库，提升效率

Python调用远程接口的方法

Python 提取HTML文本的方法，提升效率

Python 应用容器化方法：实现“一次部署，处处运行”

Python 自动化识别Nginx配置并导出为excel文件，提升Nginx管理效率

Python 5个常见的异步任务处理框架

Python数据科学常见的30个库

Python 50个实用代码片段，优雅高效

同步 vs 异步：排队和叫号的区别

同步代码长这样：

importrequestsdefget_data():r1 = requests.get('https://api.example.com/user/1')r2 = requests.get('https://api.example.com/user/2')r3 = requests.get('https://api.example.com/user/3')return [r1.json(), r2.json(), r3.json()]

三个请求，一个接一个执行。总耗时 = 请求1 + 请求2 + 请求3。如果每个请求200ms，光等待就要600ms。

异步代码是这样：

importasyncioimporthttpxasyncdefget_user(client, user_id):response = awaitclient.get(f'https://api.example.com/user/{user_id}')returnresponse.json()asyncdefmain():asyncwithhttpx.AsyncClient() asclient:tasks = [get_user(client, i) foriinrange(1, 4)]results = awaitasyncio.gather(*tasks)returnresults

三个请求同时发出，总耗时 ≈ 最慢那个请求的时间。200ms搞定。

差距就这么大。

核心就三个关键字：async、await、asyncio

上手异步之前，先把这三个东西搞清楚。

async 声明这个函数会“让位”——执行到这，CPU可以先去干别的。

asyncdeffetch_data():    ...

await 就是“等一等”，等另一个异步操作的结果。

result = awaitsome_async_function()

asyncio 是Python内置的异步库，提供了事件循环这些底层能力。你基本不需要直接操作它，但得 import 它：

importasyncio

就这么简单，别想复杂了。

实战：10行代码把爬虫速度拉满

光说不练假把式，上个真实场景。

我要抓取GitHub trending页面100个仓库的信息，同步写法：

importrequestsimporttimedeffetch_repos():urls = [f'https://api.github.com/repos/{i}'foriinrange(100)]results = []forurlinurls:r = requests.get(url)results.append(r.json())returnresultsstart = time.time()fetch_repos()print(f'同步耗时: {time.time() - start:.2f}s')

在我这台机器上，跑了 48秒。

换成异步：

importasyncioimporthttpximporttimeasyncdeffetch_one(client, repo_id):url = f'https://api.github.com/repos/test/repo{repo_id}'r = awaitclient.get(url)returnr.json()asyncdefmain():asyncwithhttpx.AsyncClient() asclient:tasks = [fetch_one(client, i) foriinrange(100)]results = awaitasyncio.gather(*tasks)returnresultsstart = time.time()asyncio.run(main())print(f'异步耗时: {time.time() - start:.2f}s')

异步版本只用了 3.2秒。

提速 15倍，代码就多了4行。这事你自己品。

踩过的坑，我替你踩过了

异步虽好，但有几个坑不踩不知道。

坑一：用了异步库，但函数没声明async

# 报错requests.get('https://example.com')# 正确asyncwithhttpx.AsyncClient() asclient:awaitclient.get('https://example.com')

记住：只要涉及IO操作的地方，前面都得加 await，函数前面都得加 async。

坑二：在异步函数里调用同步代码

asyncdefbad_example():# 不要这样！time.sleep(5)  # 这会阻塞整个事件循环asyncdefgood_example():# 正确做法awaitasyncio.sleep(5)  # 异步sleep，不会阻塞其他任务

同步的 time.sleep() 会把整个程序卡住，异步版本的 asyncio.sleep() 才会交出执行权。

坑三：忘记 gather 了

asyncdefwrong_way():# 顺序执行，没有并发r1 = awaitfetch(url1)r2 = awaitfetch(url2)asyncdefright_way():# 并发执行r1, r2 = awaitasyncio.gather(fetch(url1), fetch(url2))

如果你一个个 await，跟同步写法没区别。并发要靠 asyncio.gather() 或 asyncio.create_task() 来实现。

坑四：并发数没控制，直接被封IP

异步执行太快了，100个请求可能1秒内全发出去。服务器觉得你是在攻击，直接拉黑。

解决方案：加信号量控制并发数。

importasyncioimporthttpxasyncdeffetch_with_limit(semaphore, client, url):asyncwithsemaphore:returnawaitclient.get(url)asyncdefmain():semaphore = asyncio.Semaphore(5)  # 最多同时5个请求asyncwithhttpx.AsyncClient() asclient:tasks = [fetch_with_limit(semaphore, client, f'https://example.com/{i}')foriinrange(100)]awaitasyncio.gather(*tasks)

加个信号量，想快就快，想慢就慢。

什么时候用异步，什么时候别用？

异步不是万能药，用错了反而麻烦。

适合异步的场景：

• 网络请求（爬虫、API调用）

• 文件读写（特别是多个文件同时操作）

• 数据库查询（连接池 + 异步驱动）

• Web服务（FastAPI、Sanic 这类框架）

不适合异步的场景：

• CPU密集型任务（图片处理、机器学习、加密计算）

• 简单的一次性操作

• 你不熟悉的代码（异步debug比同步难多了）

一个判断标准：如果你的瓶颈在IO等待，而不是CPU计算，异步大概率能帮到你。

总结一下

今天聊了几个核心点：

• 同步代码排队执行，异步代码“叫号”并发

• 三个关键字打天下：async、await、asyncio

• 并发靠 gather，限流靠 Semaphore

• 同步库（requests、time）不能直接用，要找异步替代品

• 异步不适合CPU密集型任务

异步编程这东西，上手成本不高，但理解透需要时间。建议你找个小项目练练手，比如把之前的同步爬虫改一版。改完你会发现：原来卡你半天的那些操作，根本不是代码问题，是写法问题。

你用异步编程踩过什么坑？或者你现在有什么场景想用异步但不知道怎么写？评论区聊聊，我来帮你看看。

觉得有用就转发给身边写Python的朋友，点在看，下次聊点更硬核的。

https://ima.qq.com/wiki/?shareId=f2628818f0874da17b71ffa0e5e8408114e7dbad46f1745bbd1cc1365277631c