Python async 程序为什么变慢问题解析

python async 程序变慢主因是“假异步”：混用同步阻塞操作（如 time.sleep、requests）、协程串行执行、cpu 密集任务阻塞事件循环、资源超发。应改用 async 对应方案、并发调度、线程池卸载及限流控制。

Python async 程序变慢，通常不是因为 async 本身有问题，而是异步代码被“假异步”或“阻塞式写法”拖累了——表面上用了 async/await，实际仍串行执行、频繁阻塞事件循环，或误用同步库。

混用同步阻塞操作，卡死事件循环

async 函数里直接调用 time.sleep()、requests.get()、文件读写（open().read()）等同步阻塞操作，会暂停整个事件循环，让其他协程无法调度。哪怕只有一处，就可能让并发优势归零。

• ✅ 正确做法：用 asyncio.sleep() 替代 time.sleep()
• ✅ HTTP 请求换为 aiohttp 或 httpx.AsyncClient
• ✅ 文件 I/O 用 aiopath 或 asyncio.to_thread()（Python 3.9+）包裹同步操作

协程未真正并发执行

常见错误是用 await 逐个等待协程，例如：

await fetch_user(1)<br>await fetch_user(2)<br>await fetch_user(3)

这本质是串行，和同步没区别。要并发，必须先创建任务，再统一 await：

• ✅ 用 asyncio.gather(f1(), f2(), f3()) 并发启动所有协程
• ✅ 或显式创建任务：task1 = asyncio.create_task(f1())，再 await asyncio.gather(task1, task2, task3)

事件循环被 CPU 密集型任务霸占

async 不解决 CPU 瓶颈。如果协程里做大量计算（如解析大 JSON、加密、图像处理），会持续占用线程，导致事件循环无法切换。

• ✅ 将 CPU 密集工作移出事件循环：用 loop.run_in_executor() 或 asyncio.to_thread() 丢给线程池
• ✅ 极端情况考虑多进程（multiprocessing），但需权衡 IPC 开销

过度创建协程或连接，触发资源瓶颈

比如用 gather 同时发起 1000 个 HTTP 请求，可能耗尽本地端口、触发服务端限流、或压垮 DNS 解析器。

• ✅ 加连接池限制（aiohttp.TCPConnector(limit=100)）
• ✅ 用 asyncio.Semaphore 控制并发数，例如最多同时 10 个请求
• ✅ 避免在循环内无节制创建新协程，注意生命周期和资源释放（如 session 复用）