Python 3.11的任务组有什么优势_对比TaskGroup与gather的错误处理
有志者,事竟成!如果你在学习文章,那么本文《Python 3.11的任务组有什么优势_对比TaskGroup与gather的错误处理》,就很适合你!文章讲解的知识点主要包括,若是你对本文感兴趣,或者是想搞懂其中某个知识点,就请你继续往下看吧~
TaskGroup 会自动取消其余任务,gather 默认不会;TaskGroup 用 async with 管理生命周期,抛出 ExceptionGroup 并需 except* 捕获,而 gather 无语法约束、异常不聚合、需手动处理返回值。

TaskGroup 会自动取消其余任务,gather 默认不会
当某个子任务抛出异常时,asyncio.TaskGroup 立即触发协作式取消:所有仍在运行的任务收到 CancelledError,并尽快退出。这是结构化并发的强制保障,避免“孤儿任务”继续占用连接、内存或 CPU。
asyncio.gather() 默认行为相反:只要一个任务失败,它立刻把异常向上抛,但其他任务照常运行——哪怕你没做任何处理,它们也会在后台悄悄跑完或卡死。这容易导致资源泄漏、超时叠加、状态不一致。
- 用
gather(..., return_exceptions=True)可以把异常转成返回值,但你要自己遍历结果、逐个判断是否为Exception实例 TaskGroup不需要你手动检查;离开async with块时,所有异常(包括多个)会被打包进ExceptionGroup一次抛出- 若想只捕获某类异常,直接用
except* ValueError:,不用写一堆isinstance()
TaskGroup 必须用 async with,gather 没有语法约束
asyncio.TaskGroup 是上下文管理器,不是普通类。你不能写 tg = asyncio.TaskGroup(),也不能手动调用 __aenter__ 或 __aexit__——这些都不是公开 API,行为不可靠。
正确写法只有一种:async with asyncio.TaskGroup() as tg:。此时框架会确保:无论正常退出还是异常中断,所有已创建任务都会被等待、清理、异常聚合。
- 忘记
async with直接 new 一个对象?Python 会报RuntimeError: TaskGroup is not running - 在
async with块里用tg.create_task()启动任务,不是asyncio.create_task() - 任务中途可以动态增删,比如根据响应内容决定是否启动下一页请求,
gather完全不支持这种模式
ExceptionGroup 是 Python 3.11 的配套机制,不是可选附加
TaskGroup 抛出的异常类型是 ExceptionGroup,不是单个 ValueError 或 TimeoutError。如果你还用老式 except ValueError:,会完全捕获不到——它被包在 ExceptionGroup 里了。
必须用 except* 语法才能解包匹配:
try:
async with asyncio.TaskGroup() as tg:
tg.create_task(task_fail())
tg.create_task(task_slow())
except* ValueError as eg:
print("至少有一个 ValueError:", eg.exceptions)
except* TimeoutError:
print("有超时任务")
except*是 Python 3.11 新增语法,3.10 及更早版本不支持ExceptionGroup支持嵌套,比如子任务组再抛出ExceptionGroup,外层仍能统一处理- 如果没写任何
except*,异常会原样冒泡,但 traceback 会明确标出每个子异常来源(Python 3.11 的带注释 traceback 会高亮 ^ 和 ~)
性能开销其实更低,尤其在错误路径上
Python 3.11 引入了“零成本异常处理”(Zero-Cost Exception Handling),意味着 try/except 块本身不带来运行时开销——只有真正抛异常时才计算回溯信息。而 TaskGroup 正是基于这套机制设计的。
相比之下,gather(..., return_exceptions=True) 要求你对每个返回值做类型检查,实际增加了 CPU 分支判断和对象判等开销,尤其在大量任务成功、仅少数失败时,这种检查纯属冗余。
TaskGroup的异常传播是事件循环级的,不依赖用户代码遍历- 它不缓存中间结果,也不构造额外 list,内存占用更可控
- 如果你的场景需要“部分失败继续执行”,那
TaskGroup不适合——它天生是强一致性的,这不是缺陷,而是设计选择
真正的复杂点不在语法,而在思维切换:从“我来管任务生命周期”变成“交给结构化并发协议”。一旦漏掉 async with,或误用 create_task,整个异常隔离和资源清理就失效了。这不是 bug,是契约未履行。
理论要掌握,实操不能落!以上关于《Python 3.11的任务组有什么优势_对比TaskGroup与gather的错误处理》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
鲁大师怎么看内存频率 鲁大师内存频率查询【详解】
- 上一篇
- 鲁大师怎么看内存频率 鲁大师内存频率查询【详解】
- 下一篇
- phpEnv怎么安装Wiki.js phpEnv部署现代维基环境方法
-
- 文章 · python教程 | 4小时前 | Python教程 · Python 相对路径 is_file pathlib Path.resolve
- Python pathlib 相对路径规范化与文件判断
- 144浏览 收藏
-
- 文章 · python教程 | 7小时前 | python · 异步编程 · asyncio · Python CancelledError asyncio.timeout TimeoutError
- Python asyncio.timeout 嵌套取消与异常传播
- 373浏览 收藏
-
- 文章 · python教程 | 15小时前 |
- Python heapq 最大堆 API 怎么避免手动取负数
- 397浏览 收藏
-
- 文章 · python教程 | 21小时前 | python · Python 不可变对象 namedtuple dataclass copy.replace
- Python copy.replace 怎么更新不可变对象字段
- 245浏览 收藏
-
- 文章 · python教程 | 1天前 | python ·
- Python NamedTemporaryFile 的 delete_on_close 怎么设置
- 311浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python itertools.batched strict 参数什么时候会报错
- 306浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python ExceptionGroup split 怎么按异常类型拆分
- 311浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python dataclass slots 与 weakref_slot 怎么一起用
- 207浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 256次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 301次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 280次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 257次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 67次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

