asyncio是单线程高效调度IO等待任务的机制，通过event loop实现协作式并发，需用await、gather或create_task显式并发，避免同步阻塞操作，结合连接池、超时控制与资源限制构建高并发服务。
Python异步IO（asyncio）不是“多线程替代品”，也不是“让单核变多核”的魔法——它是用单线程高效调度大量IO等待任务的机制。核心在于：当一个任务在等网络响应、磁盘读写或数据库返回时，不阻塞整个线程，而是立刻切去执行另一个就绪的任务。
async/await 是协作式调度，不是自动并行
async 函数不会自己并发运行；必须由事件循环（event loop）统一管理。你写 async def fetch(url):，只是定义了一个可挂起的协程对象，真正执行靠 await fetch(url) 或 asyncio.create_task() 注册进循环。
- 直接调用 fetch("https://a.com") 不会发请求，只返回一个 coroutine 对象
- await 是“让出控制权”的信号：当前协程暂停，把CPU交还给事件循环，等IO就绪再唤醒
- 多个 await 串行写 = 依次等待，毫无并发优势；要用 asyncio.gather() 或 create_task() 显式并发启动
高并发的关键不在“开多少协程”，而在“减少阻塞点”
协程数量可以轻松上万，但性能瓶颈常来自：同步库混用、CPU密集型操作未释放、事件循环被意外阻塞。
- 避免在 async 函数里调用 time.sleep()、requests.get()、json.loads()（大文件）等同步阻塞操作
- CPU密集任务（如图像处理、加密计算）要交给 asyncio.to_thread()（3.9+）或 loop.run_in_executor() 脱离事件循环执行
- 使用异步生态库：aiohttp 替 requests、aiomysql 替 PyMySQL、aioredis 替 redis-py
典型高并发服务结构：连接池 + 任务队列 + 超时控制
真实场景中，并发不是无节制 launch_task，而是有节制地调度资源。
立即学习“Python免费学习笔记（深入）”；
- HTTP 客户端用 aiohttp.TCPConnector(limit=100) 控制最大并发连接数，防打爆服务端
- 数据库访问搭配 asyncpg.Pool 或 aiomysql.create_pool() 复用连接，避免频繁建连开销
- 对不可控外部依赖（如第三方API），用 asyncio.wait_for(task, timeout=5.0) 主动中断慢请求，保障整体响应性
- 批量任务可用 asyncio.Semaphore(10) 限制同时执行数，防止内存或句柄耗尽
调试和监控不能只看 CPU，要盯住事件循环延迟和任务堆积
asyncio 程序卡顿，往往不是 CPU 满了，而是事件循环被拖慢，或协程长时间没被调度。
- 启用 asyncio.get_event_loop().set_debug(True) 可捕获慢回调、未 await 的协程、超长运行任务
- 用 asyncio.all_tasks() 查看当前待执行协程数量，异常增长说明某处逻辑未及时 await 或异常退出
- 监控 loop.time() - loop._last_idle（需 patch）或使用 aiomonitor 工具观察循环延迟（latency）是否持续升高
异步IO的价值，在于用更少系统资源支撑更高吞吐的IO密集型负载。它不降低单次请求延迟，但显著提升单位时间完成请求数。设计时始终问一句：这个操作，是真正在等外部设备，还是在原地空转？前者适合 async，后者该优化逻辑或换线程。
