在网络编程中，一个服务器如何同时处理多个客户端连接，本质上是IO 模型的选择问题。Python 提供了从简单到高效的多种模型，理解它们的差异是写出高性能网络应用的前提。
阻塞 IO（Blocking IO）
最直观、最符合直觉的模型。
- 工作方式：当程序调用
recv()或accept()时，如果没有数据到达或没有新连接，当前线程会被挂起，CPU 不会分配给这个线程，直到数据就绪才返回继续执行。 - Python 代码示例（简化）：
import socket
server = socket.socket()
server.bind(('0.0.0.0', 8080))
server.listen(5)
while True:
conn, addr = server.accept() # 阻塞，直到有客户端连接
data = conn.recv(1024) # 阻塞，直到收到数据
conn.send(b'Hello')
conn.close()
- 问题：上面的例子一次只能处理一个客户端。如果当前连接的客户端迟迟不发送数据，服务端就卡住了，其他客户端无法连进来。
- 多线程/多进程补丁：常见的弥补方案是为每个连接创建一个线程，让每个线程独立阻塞。这样可以同时处理多个客户端，但线程开销大，C10K 问题（一万并发连接）时线程切换会成为瓶颈。而且 Python 的 GIL 限制了 CPU 密集型多线程的收益，IO 密集型虽然能工作，但资源消耗依然较高。
非阻塞 IO（Non-blocking IO）
让单一线程可以主动询问“你好了没”。
- 工作方式：把套接字设置为非阻塞模式。此时
recv()或accept()不会等待，立即返回。如果没有数据，就抛出一个异常（如BlockingIOError）。程序需要在一个循环里不断轮询所有套接字，检查哪个就绪。 - Python 代码示例（简化）：
import socket
server = socket.socket()
server.setblocking(False) # 设置为非阻塞
server.bind(('0.0.0.0', 8080))
server.listen(5)
connections = []
while True:
try:
conn, addr = server.accept() # 非阻塞，没连接直接抛异常
conn.setblocking(False)
connections.append(conn)
except BlockingIOError:
pass
for conn in connections:
try:
data = conn.recv(1024)
if data:
conn.send(b'Hello')
except BlockingIOError:
pass
- 优点：单线程就能管理多个连接，没有线程切换开销。
- 致命缺点：忙轮询（busy polling）。即使没有任何数据，循环也在疯狂空转，吃掉 CPU 资源。在真实场景中这绝对不可接受。
IO 多路复用（IO Multiplexing）
让操作系统帮我们监听，哪个准备好了就通知我。
这才是现代高性能网络服务的基石。内核提供机制（如 Linux 的 epoll、macOS 的 kqueue、通用的 select/poll），允许我们把一堆套接字注册给内核，并告诉它“我对读事件感兴趣”。当某个套接字可读时，内核会返回一个就绪列表，我们只处理那些就绪的套接字。
- 核心优势：
- 单线程高效管理海量连接。
- 没有空转，没有数据时线程会阻塞在复用器调用上，CPU 使用率极低。
- 事件驱动，只处理活跃连接。
- Python 实现：
selectors模块（标准库）提供高层抽象，自动选择当前平台最优的复用器（EpollSelector、KqueueSelector等）。- 示例结构：
import selectors
import socket
sel = selectors.DefaultSelector()
server = socket.socket()
server.bind(('0.0.0.0', 8080))
server.listen(5)
server.setblocking(False)
sel.register(server, selectors.EVENT_READ, data=None)
while True:
events = sel.select(timeout=None) # 阻塞，直到有事件
for key, mask in events:
if key.data is None: # 新连接
conn, addr = key.fileobj.accept()
conn.setblocking(False)
sel.register(conn, selectors.EVENT_READ, data=b'')
else: # 已有连接的数据
conn = key.fileobj
data = conn.recv(1024)
if data:
conn.send(b'Hello')
else:
sel.unregister(conn)
conn.close()
asyncio模块也是基于 IO 多路复用（典型用epoll）实现的，结合async/await提供更自然的异步编程体验。
三种模型对比如下
| 模型 | 线程模型 | CPU 消耗 | 并发能力 | Python 典型方案 |
|------|---------|---------|--------|----------------|
| 阻塞 IO | 每连接一线程 | 低（阻塞时不占 CPU） | 受线程数限制 | threading + 阻塞 socket |
| 非阻塞 IO | 单线程忙轮询 | 极高（空转）| 理论无限 | 设置 setblocking(False) + 手动轮询（不推荐） |
| IO 多路复用 | 单线程事件驱动 | 低（只在活动时消耗）| 极高（C10K/C100K） | selectors、asyncio |
实用建议：
- 如果你要写一个真正的网络服务器（哪怕只是几十并发），直接用
asyncio框架或库，而不是自己从selectors开始造轮子。asyncio已经将 IO 多路复用、事件循环、协程调度封装得非常高效。 - 阻塞 IO + 线程模型适用于连接数少、连接活跃且处理逻辑简单的场景（如内部工具、小规模客户端）。
- IO 多路复用（事件驱动）是 Python 异步生态的根基，理解它有助于你明白
async/await为什么能支持高并发，以及fastapi、aiohttp、websockets等库的性能来源。