协程迭代需谨慎,避免并发陷阱
在Go语言中协程(goroutine)被广泛使用,但本文实际聚焦于Python异步编程中一个常见却极易踩坑的核心误区:协程对象本身不可迭代,不能直接放入普通for循环——这不是语法限制,而是执行模型的根本冲突;真正支持“边等待边取值”的是async for配合异步迭代器或async def + yield定义的异步生成器,而试图在列表推导、map或普通for中混用await不仅会触发SyntaxError或TypeError,更暴露了对异步迭代本质的误解:它不是为提速而生,而是为了让“获取下一个值”的过程可挂起、可流式、可内存友好,盲目套用async反而徒增复杂度与开销。

协程不能直接塞进 for 循环里迭代,不是语法报错的问题,而是语义和执行模型根本不匹配。
async for 才是合法的异步迭代入口
普通 for 只能消费同步迭代器(即实现了 __iter__ 和 __next__ 的对象),而协程函数(async def 定义的)返回的是 coroutine 对象,既不是可迭代对象,也不支持 next()。试图这么写:
async def fetch_data():
await asyncio.sleep(1)
return [1, 2, 3]
❌ 错误:这不是可迭代对象
for x in fetch_data(): # TypeError: 'coroutine' object is not iterable
print(x)
会立刻抛出 TypeError: 'coroutine' object is not iterable。
真正能配合协程做“逐项等待式遍历”的,只有 async for,但它要求目标必须是**异步迭代器**(实现 __aiter__ 和 __anext__)或**异步生成器**(async def + yield):
async for内部会自动调用anext()并await其返回值- 普通
for完全无视await,也不会触发__anext__ - 把协程对象丢给
list()、sum()等内置函数同样失败
想“边迭代边 await”,得先构造异步迭代器
如果你有一组需要异步获取的值(比如从 API 分页拉数据),不能靠“在 for 里套 await”来实现,因为 for 本身不支持暂停。正确路径是封装成异步迭代器或异步生成器:
async def async_range(n):
for i in range(n):
await asyncio.sleep(0.1) # 模拟异步延迟
yield i
✅ 正确:async for 驱动异步生成器
async for x in async_range(3):
print(x)
关键点:
- 用
async def+yield定义的是**异步生成器**,它自动实现异步迭代协议 - 手动实现异步迭代器需显式定义
__aiter__(返回self)和__anext__(返回awaitable) - 别试图对普通协程函数结果调用
iter()——它返回的仍是coroutine,不是迭代器
常见误操作:在列表推导或 map 中混用 await
这类写法看着像“迭代中 await”,实则根本跑不通:
# ❌ 全部非法 list(await x for x in coro_list) # SyntaxError map(lambda x: await x, coro_list) # await outside async function [await x for x in coro_list] # SyntaxError: invalid syntax
原因很直接:Python 不允许在非协程上下文中使用 await,而列表推导、map、filter 都是同步表达式。可行替代方案只有:
- 用
asyncio.gather(*coro_list)并发等待全部完成(适合无序、可并行场景) - 用
async for配合自定义异步迭代器(适合流式、分页、内存敏感场景) - 把逻辑包进一个协程,用普通
for控制流程,内部await(但这就不是“迭代中 await”,而是“循环体内 await”)
最易被忽略的一点:异步迭代的本质不是“让 for 变快”,而是让“等待下一个值”的过程可挂起。如果没这个需求(比如所有数据已就绪、只是要逐个处理),那就压根不需要协程——强行套 async 反而增加调度开销和理解成本。
以上就是《协程迭代需谨慎,避免并发陷阱》的详细内容,更多关于的资料请关注golang学习网公众号!
Stream.flatMap高效处理海量文档关键词检索
- 上一篇
- Stream.flatMap高效处理海量文档关键词检索
- 下一篇
- Web Worker异步解析百万行Excel防卡顿方法
-
- Golang · Go教程 | 5小时前 | 文件 · go · Go FLUSH 文件持久化 os.File.Sync
- Go os.File.Sync 怎样在写入后请求持久化
- 123浏览 收藏
-
- Golang · Go教程 | 5小时前 |
- Go filepath.FromSlash 将 URL 风格路径转换为系统路径
- 350浏览 收藏
-
- Golang · Go教程 | 5小时前 |
- Go crypto/rand 怎样为令牌读取不可预测字节
- 110浏览 收藏
-
- Golang · Go教程 | 5小时前 |
- Go encoding/base64 怎样兼容 URL 安全的无填充编码
- 499浏览 收藏
-
- Golang · Go教程 | 5小时前 |
- Go net/http Cookie 怎样设置 SameSite 与 MaxAge
- 141浏览 收藏
-
- Golang · Go教程 | 5小时前 |
- Go crypto/x509 怎样读取包含 ML-DSA 的证书对象
- 312浏览 收藏
-
- Golang · Go教程 | 5小时前 | 错误处理 · go · Go 错误处理 errors.As errors.Join 组合错误
- Go errors.As 怎样从组合错误中取出目标类型
- 465浏览 收藏
-
- Golang · Go教程 | 5小时前 | 字符串 · go · strconv · Go strconv CanBackquote 原始字符串
- Go strconv.CanBackquote 怎样判断字符串能否安全使用反引号
- 262浏览 收藏
-
- Golang · Go教程 | 5小时前 | 标准库 · go · Go 错误处理 FLUSH encoding/csv CSV导出 Writer.Error
- Go encoding/csv Writer.Error 怎么发现导出文件写入失败
- 485浏览 收藏
-
- Golang · Go教程 | 5小时前 | 测试 · go · Go Cleanup testing.TB 临时资源
- Go testing.TB.Cleanup 怎样让临时资源按测试结束释放
- 501浏览 收藏
-
- Golang · Go教程 | 5小时前 |
- Go os.Root Chown 为什么修改文件属主时返回权限错误
- 240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。
- 693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。
- 706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。
- 774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。
- 734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。
- 568次使用
-
- Java 性能优化上线清单:从定位、改造到灰度发布
- 2026-06-11 860浏览
-
- Spring Boot 压测验证:Gatling、JMeter 与性能回归门禁
- 2026-06-11 843浏览
-
- Java NMT 非堆内存排查:Direct Buffer、线程栈与 Metaspace 分析
- 2026-06-11 826浏览
-
- Spring Boot 容器内存优化:JVM 堆、非堆与 MaxRAMPercentage
- 2026-06-11 809浏览
-
- Tomcat 连接与线程参数调优:maxThreads、acceptCount 与 KeepAlive
- 2026-06-11 792浏览

