当你需要同时处理成百上千个网络请求、WebSocket 连接或文件读写时，传统的多线程模型可能因为线程切换开销和 GIL 限制而力不从心。协程与异步 IO 正是 Python 在 IO 密集型场景下的高性能解决方案。
协程是什么
协程（Coroutine）是一种可以在执行过程中暂停、稍后再恢复运行的函数。它与线程不同：
- 线程由操作系统调度，切换时消耗资源较大，且有 GIL 限制。
- 协程由程序自身在“等待”时主动让出控制权，切换开销极小，不存在锁竞争问题。
在 Python 中，使用 async def 定义的函数就是一个协程函数，调用它不会立即执行，而是返回一个协程对象。
异步 IO 能解决什么问题
假设你需要下载 100 个网页。同步写法是一个一个下载，总耗时等于每次下载时间的累加——大部分时间花在等待网络响应上，CPU 空闲。异步则可以：
- 发起第 1 个请求后，不等响应，立即发起第 2 个、第 3 个……直到全部请求发出。
- 然后，异步循环会“监听”这 100 个连接，哪个先返回数据就处理哪个，继续等待下一个。
整个过程单线程完成，却实现了类似多线程的并发效果，而且避免了线程切换和锁的开销。这就是协程与异步 IO 的价值：让 IO 密集型操作的并发变得轻量而高效。
asyncio 核心概念
Python 标准库的 asyncio 提供了实现异步编程的完整基础设施。有几个核心角色：
- 事件循环（Event Loop）：大管家，负责调度和执行所有异步任务。它不断轮询注册到它身上的协程和 IO 事件，发现谁就绪了就执行它。
- 协程（Coroutine）：由
async def定义的函数。通过await关键字可以挂起自己，等待另一个协程或 IO 操作完成，让出控制权给事件循环去执行别的事。 - 任务（Task）：将协程包装成一个任务交给事件循环调度，可以并发运行多个任务。
实际编码时，你通常只需要关心 async 和 await 两个关键字，至于事件循环如何驱动，由 asyncio.run() 在幕后完成。
一个典型的异步请求示例
import asyncio
import aiohttp # 异步 HTTP 客户端
async def fetch(url):
async with aiohttp.ClientSession() as session:
async with session.get(url) as response:
return await response.text()
async def main():
urls = [
"https://example.com",
"https://python.org",
"https://github.com",
]
# 并发执行多个 fetch 协程
tasks = [fetch(url) for url in urls]
results = await asyncio.gather(*tasks)
for url, content in zip(urls, results):
print(f"{url} downloaded {len(content)} bytes")
# Python 3.7+ 启动事件循环
asyncio.run(main())代码解读：
fetch协程中用await挂起等待网络响应，期间事件循环可以运行其他协程。asyncio.gather(*tasks)将多个协程任务打包并发执行，等全部完成后返回结果列表。asyncio.run(main())创建事件循环并运行主协程，直到它结束。
异步 IO 的优势与适用边界
优势：
- 极高的 IO 并发效率：单线程即可管理数万长连接（如实时聊天、游戏服务器推送、API 网关）。
- 内存与调度开销小：协程切换只是函数栈帧的切换，远轻于线程。
- 代码结构清晰：
async/await语义让异步代码看起来像同步代码，避免了回调地狱。
但并非万能：
- CPU 密集型任务（如矩阵运算、图像处理）放到协程里会阻塞事件循环，需要用多进程或线程池把计算任务抛出去异步执行（
loop.run_in_executor）。 - 已有的同步库（比如同步版
requests）不能在协程里直接await，需要使用对应的异步库（如aiohttp、aiomysql），或用线程池包装。 - 调试复杂度比同步代码高，栈追踪信息可能不够直观，需要理解事件循环的调度顺序。
与多线程 / 多进程的对比选型
- 多线程（threading）：适合 IO 密集型但并发量不是极端大（例如几十个线程），但受 GIL 影响，CPU 密集型不会因多线程加速，且线程切换有一定开销。
- 多进程（multiprocessing）：适合 CPU 密集型，可充分利用多核，但进程间通信开销大，资源占用多。
- 协程（asyncio）：最适合高并发 IO 密集型场景（网络服务、爬虫、数据库查询等），在单机就能支撑极高连接数，是目前编写高性能 Python 网络服务的标准范式。
一句话总结：当你需要同时处理大量等待操作且不想被线程管理、锁和 GIL 困扰时，协程 + 异步 IO 是 Python 生态中最优雅高效的解决方案。