Python 从 3.5 版本开始引入 async 和 await 关键字，标志着原生协程和异步编程成为语言的一等公民。理解这两个关键字，是进入 Python 异步世界的钥匙。
异步编程解决了什么问题？
在传统的同步 IO 中，当一个任务需要等待网络响应或磁盘读取时，整个线程会被阻塞，什么也做不了。异步编程的核心思想是：在等待 IO 的时间里，不闲着，主动交出控制权去执行其他任务。这样，一个线程就能同时处理成百上千个 IO 密集型任务，极大提高吞吐量。
async def：定义一个协程函数
用 async def 定义的函数不再是普通函数，而是协程函数。调用它不会立即执行内部的代码，而是返回一个协程对象，需要被事件循环调度才能运行。
# 定义一个协程函数
async def fetch_data():
print("开始请求数据...")
await asyncio.sleep(2) # 模拟网络 IO 等待
print("数据请求完成")
return {"status": "ok"}直接调用 fetch_data() 只会得到一个协程对象，不会打印任何内容。
await：等待一个可等待对象
await 关键字用于挂起当前协程，等待另一个协程（或可等待对象）执行完毕，得到结果后再继续往下走。在挂起期间，事件循环可以转而执行其他任务。
async def main():
result = await fetch_data() # 等待 fetch_data 完成，拿到返回值
print(result)可等待对象只有三种：协程、asyncio.Task、asyncio.Future。你不能 await 一个普通函数或阻塞操作（如 time.sleep），必须使用异步库提供的对应版本（如 asyncio.sleep）。
事件循环：调度者
要想真正运行协程，必须有一个事件循环。事件循环会不停地检查哪些协程可以继续执行，切换调度。在高级 API 中，asyncio.run() 会自动创建并管理事件循环。
import asyncio
asyncio.run(main()) # 这就是启动整个异步程序的入口并发执行多个任务：asyncio.gather 与 asyncio.create_task
如果只是顺序地 await 一个接一个的协程，那和同步代码没有区别。真正的并发来自同时启动多个任务。
async def task1():
await asyncio.sleep(1)
return "任务1完成"
async def task2():
await asyncio.sleep(2)
return "任务2完成"
async def main():
# 并发执行 task1 和 task2
results = await asyncio.gather(task1(), task2())
print(results) # ['任务1完成', '任务2完成']asyncio.gather 会并发运行多个协程，直到全部完成。另一种方式是 asyncio.create_task，它将协程封装成 Task 并立即提交给事件循环调度。
异步编程范式：协作式多任务
异步编程是一种协作式而非抢占式的多任务模型。一个协程必须主动通过 await 交出控制权，别的协程才有机会运行。这带来了几个关键特性：
- 非阻塞：所有可能导致阻塞的 IO 操作都必须使用异步版本，否则会卡住整个事件循环。
- 单线程：默认情况下，
asyncio在单个线程里工作，因此没有多线程常见的竞态、锁等复杂问题。 - 适合 IO 密集型：对于大量 IO 等待的任务（如爬虫、Web API、数据库查询），异步性能远超多线程。
- 不适合 CPU 密集型：如果一个协程里包含大量计算，它不主动交出控制权，其他任务就会“饿死”。CPU 密集型任务应交给多进程或线程池。
实际开发中的注意事项
- 切换要彻底：整个调用链都必须使用
async/await，不能中途混入同步阻塞调用。例如，用requests库会卡死事件循环，必须改用aiohttp等异步库。 - 传统同步函数怎么调用：
asyncio.to_thread（Python 3.9+）可以把同步函数放入线程池执行，避免阻塞事件循环。 - 调试与测试：
pytest-asyncio可以让测试函数也变成协程，方便编写异步测试用例。
异步编程上手稍有门槛，但一旦理解“事件循环 + 协程挂起”的模型，就能写出高性能、低资源的并发程序。它已经成为 FastAPI、异步爬虫、实时通信等场景的标准实践。