深入理解 Python Asyncio：事件循环、Future 与协程调度本质

Python 在 Web 领域长期受到 GIL（全局解释器锁）的限制。为了在单进程下榨干高并发 IO 性能，从 Python 3.4 的 asyncio 模块到 3.5 引入的 async/await 原生语法糖，Python 的异步并发能力进入了崭新的时代。

1. 协程的历史根源：生成器与 yield from

在底层，Python 协程之所以能够在函数执行中途“暂停”并交出 CPU 控制权，是基于经典迭代器协议中的 yield 操作：

• send(value): 向挂起的生成器传值并恢复其执行。
• throw(): 在挂起处引发异常。
• yield from: 自动建立双向通道，将子生成器的产出和异常直接传递给调用方。

2. 事件循环（Event Loop）与 Future/Task

事件循环本质是一个死循环，底层通过 Linux 的 epoll（或 macOS 的 kqueue）监听所有已注册的非阻塞 Socket 描述符：

import asyncio

async def fetch_api(url):
    print(f"Connecting to {url}...")
    await asyncio.sleep(1) # 非阻塞休眠，把控制权交还事件循环
    return f"Response from {url}"

async def main():
    # 并发调度两个任务
    task1 = asyncio.create_task(fetch_api("https://api.github.com"))
    task2 = asyncio.create_task(fetch_api("https://api.v2ex.com"))
    
    results = await asyncio.gather(task1, task2)
    print("All tasks finished:", results)

asyncio.run(main())

3. 避坑指南：阻塞调用切忌放入异步主线程

黄金法则：在 async 函数中，绝不能执行任何阻塞性调用（如 time.sleep()、传统的 requests.get() 或密集 CPU 计算）。 一旦阻塞，整个事件循环将彻底卡死，所有后续请求全部超时。

对于无法避免的 CPU 密集型任务或第三方同步库，应交由线程池执行：

loop = asyncio.get_running_loop()
# 将同步阻塞操作转交给默认 ThreadPoolExecutor 运行
result = await loop.run_in_executor(None, sync_heavy_task, arg1)