【Python基础】Python异步并发（协程、线程）

YanDDDeat2025/11/12...大约 3 分钟

1、协程、线程、进程

**协程**是单线程内的并发机制，协程是运行在线程上的轻量级任务。

由事件循环（EventLoop）在应用层进行调度。多个协程任务在同一个线程中交替推进，CPU 不一定同时执行多个任务，而是通过不断切换让 I/O 等待时间被充分利用——这种模式称为并发（Concurrency）。例如，当创建多个协程任务后，事件循环会管理它们的执行顺序：

a = asyncio.create_task(A)
b = asyncio.create_task(B)
results = await asyncio.gather(a, b)

**线程**则是操作系统调度的基本单位，是进程里面的执行单位，多线程共享堆内存资源，

多线程可以实现并行（Parallelism）——即多个线程真正同时运行在不同的 CPU 核心上（受限于 Python 的 GIL，对于 CPU 密集型任务可能无法充分利用多核，但 I/O 密集型任务仍能通过线程切换获得并发效果）。

二者的关键区别在于阻塞时的处理方式：

线程中的任务一旦阻塞（如等待网络响应），该线程会挂起等待，无法执行其他任务，除非使用其他线程。
协程中的任务如果遇到阻塞（如 await 等待 I/O），它会主动让出控制权，事件循环会立即调度另一个就绪的协程继续执行，从而避免线程空等。

**进程**是一个运行的程序实例，拥有独立的内存空间、资源，不同进程默认隔离。

示例场景：同时进行 BM25 检索和向量检索。
多线程：两个线程分别执行两种检索，各自阻塞等待结果返回，两个线程同时处于等待状态。
协程：在同一个线程中，两个协程交替执行，当第一个协程发起检索并 await 等待时，事件循环切换到第二个协程执行，最大限度地利用等待时间。

IO密集型 → 优先考虑协程
阻塞库/简单并发 → 线程
CPU密集型 → 多进程

2、什么是异步并发

在 Python 中，异步编程主要通过 asyncio 库实现。asyncio 的底层基于事件循环（EventLoop），必须要有EventLoop才能执行异步并发，它负责调度和执行协程任务。

通常我们通过 asyncio.run(main()) 来启动一个事件循环并运行入口协程。而在 Web 框架 FastAPI 中，通常使用 uvicorn 等 ASGI 服务器，它会自动创建并管理事件循环，无需手动调用 asyncio.run()：

app = FastAPI()
# uvicorn 启动时会自动建立事件循环
uvicorn.run(app, host="0.0.0.0", port=8000)

定义一个异步函数使用 async def 关键字，内部可以 await 其他异步操作。创建任务并执行的方式包括：

asyncio.create_task(coro)：将协程包装为任务，并立即加入事件循环调度。
多个任务可通过 asyncio.gather() 统一等待所有结果。

3、asyncio 使用

① 单个异步任务：`await`

适用场景：只执行一个异步操作，顺序等待其完成。

async def A():
    return "A result"

result = await A()

② 多任务并发：`asyncio.gather()`（最常用）

适用场景：启动多个独立任务，并同时等待所有任务完成，返回结果列表（或按顺序解包）。

async def A():
    return "A"

async def B():
    return "B"

result_a, result_b = await asyncio.gather(
    A(),
    B()
)

gather 会并发执行传入的所有协程，并保证结果顺序与传入顺序一致。

③ 手动创建任务：`asyncio.create_task()`

适用场景：需要提前启动任务，在等待结果之前可以插入其他操作（如记录日志、准备数据等），之后再按需 await 获取结果。

task_a = asyncio.create_task(A())
task_b = asyncio.create_task(B())

# 此处可执行其他非阻塞操作
print("任务已创建，可以做其他事情...")

result_a = await task_a
result_b = await task_b

这种方式与 gather 本质相似，但提供了更灵活的调度时机控制。