Python 并发编程入门：线程、asyncio 与适用场景

为什么需要并发

 写爬虫、批量请求接口、读写文件时，程序常常不是在计算，而是在“等”。等网络响应、等磁盘读写。单线程顺序执行时，这些等待时间都被白白浪费。并发就是让程序在等待的时候去做别的事，从而缩短总耗时。Python 里最常用的两种并发方式是 threading（线程）和 asyncio（异步），它们各有适用场景。

线程：适合 I/O 密集任务

threading 让多个线程在同一个进程里交替运行。遇到网络请求这类 I/O 操作时，线程会主动让出执行权，另一个线程继续干活。下面是一个用线程并发下载的示意：

import threading
import requests

urls = ["https://example.com/a", "https://example.com/b", "https://example.com/c"]

def fetch(url):
    r = requests.get(url, timeout=10)
    print(url, r.status_code)

threads = [threading.Thread(target=fetch, args=(u,)) for u in urls]
for t in threads:
    t.start()
for t in threads:
    t.join()

线程的优点是写法直观，和同步代码几乎一样；缺点是线程切换有开销，线程数上千后就不划算，而且多个线程共享内存时要小心竞态条件，必要时用 Lock 保护共享数据。

asyncio：单线程里的协作式并发

asyncio 用一个事件循环驱动多个协程。协程在 await 处主动挂起，事件循环趁机运行别的协程，全程只有一个线程，没有线程切换开销，也没有数据竞争。适合高并发 I/O 场景：

import asyncio
import aiohttp

async def fetch(session, url):
    async with session.get(url, timeout=10) as resp:
        return url, resp.status

async def main():
    urls = ["https://example.com/a", "https://example.com/b", "https://example.com/c"]
    async with aiohttp.ClientSession() as session:
        results = await asyncio.gather(*(fetch(session, u) for u in urls))
    print(results)

asyncio.run(main())

怎么选

可以按下面这张表做初步判断：

• 任务量不大、代码简单：threading，上手成本最低。
• 成百上千个并发 I/O：asyncio，资源占用更小。
• CPU 密集计算：两者都不合适，考虑 multiprocessing，或者把计算部分交给扩展库。
• 已有大量同步代码要改造：先用线程池（concurrent.futures）过渡，再逐步迁移。

几个常见坑

第一，GIL 的存在意味着同一时刻只有一个线程在执行 Python 字节码，线程并不能让纯计算加速。第二，不要在 asyncio 协程里调用 time.sleep、requests 这类阻塞函数，它们会卡住整个事件循环，应该用 asyncio.sleep 和支持异步的库。第三，并发数不是越多越好，对方服务器和本地带宽都有上限，配合信号量（asyncio.Semaphore）做限流更稳妥。

小结

并发不是银弹，先分清任务是 I/O 密集还是 CPU 密集，再选工具。I/O 密集的小规模任务用 threading，大规模 I/O 用 asyncio，计算密集用多进程。理解了这层取舍，写并发代码时就很少会选错方向。