Python并发核心原理与实战详解

Python并发看似简单，实则暗藏多重陷阱：GIL让多线程对CPU密集任务束手无策，却能高效处理I/O；asyncio若漏掉await或误用同步库（如requests），协程将形同虚设；multiprocessing在Windows下因spawn机制易导致子进程静默失败、日志丢失甚至卡死——真正决定代码成败的，不是语法是否写对，而是你是否理解threading、asyncio、multiprocessing各自适用的底层场景、启动约束与通信本质。

这个标题没有实际技术信息，无法对应到具体问题或知识点。Python 并发系统的学习，关键不在“第几讲”，而在于你当前卡在哪一步：

• 是 threading 里共享变量总出错，但又不确定要不要加 Lock？
• 是用 asyncio 写完发现 await 没生效，函数还是同步执行？
• 是 multiprocessing 启动子进程后，print 不输出、日志不落盘、甚至直接卡死？
• 还是看懂了 GIL 的定义，但说不清为什么 requests.get() 多线程能提速，而 sum(range(10**7)) 却不能？

为什么 threading 改不了 CPU 密集型任务的性能？

因为 CPython 的 GIL（全局解释器锁）同一时刻只允许一个线程执行 Python 字节码。sum、numpy 纯计算（未释放 GIL 的情形）、加密哈希等操作，多线程不会加速，反而因线程切换增加开销。

• 验证方式：用 time.perf_counter() 测单线程 vs 4 线程跑 sum(range(10**8))，后者通常更慢
• 真正有效的替代是 multiprocessing 或调用已释放 GIL 的库（如 numpy 的大部分数组运算）
• threading.Thread 只适合 I/O 密集场景：HTTP 请求、文件读写、数据库查询

asyncio 报 RuntimeWarning: coroutine 'xxx' was never awaited 怎么办？

这是最常见的误用：把协程对象当普通函数调了，没用 await 或没丢进事件循环。

• 错误写法：

  async def fetch(url): return requests.get(url)<br>fetch("https://httpbin.org/get")  # ← 忘了 await，返回的是 coroutine 对象，不执行

• 正确写法（在 async 函数内）：

  data = await fetch("https://httpbin.org/get")

• 正确写法（在同步入口）：

  import asyncio<br>asyncio.run(fetch("https://httpbin.org/get"))

• 注意：requests 是同步阻塞库，不能直接 await；要用 aiohttp 或 httpx.AsyncClient

multiprocessing 子进程不打印、不写日志、主进程就卡住？

常见于 Windows 或使用 spawn 启动方式时，子进程无法继承主进程的标准输出/错误流，且未做显式初始化。

• Windows 默认用 spawn，会重新导入主模块 → 必须用 if __name__ == "__main__": 包裹 Process 启动逻辑
• 日志不输出：子进程的 sys.stdout 默认不缓冲，但有时被重定向失效；建议用 logging 并配置 handlers 到文件，或显式 flush=True
• 卡住常见原因：Queue / Pipe 读写未配对、子进程抛异常未捕获、忘了 .join() 或 .close()
• 调试技巧：子进程中加 print(os.getpid(), "started")，确认是否真启动

GIL 不是“bug”，而是 CPython 内存管理模型的权衡结果；asyncio 不是“高级 threading”，它是完全不同的调度模型；multiprocessing 的通信成本远高于内存共享——这些不是细节，是决定你代码能不能跑通、会不会偶发失败的关键分水岭。

好了，本文到此结束，带大家了解了《Python并发核心原理与实战详解》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多文章知识！