Python 有 thread，为什么还要 asyncio 呢？
偶尔会用到 thread 做异步任务，没想到什么时候用 asyncio，这两个异步有什么差别吗，理解的不是很清楚
Python 有 thread，为什么还要 asyncio 呢？
简单说，thread是操作系统层面的并发，asyncio是单线程内的并发，两者解决不同场景的问题。
thread适合CPU密集型任务，能利用多核。但线程切换开销大，且Python有GIL限制，多线程在I/O等待时依然会被阻塞。
asyncio的核心是事件循环+协程，特别适合I/O密集型场景（网络请求、文件读写）。它在单个线程内通过await挂起遇到I/O的协程，让事件循环去执行其他协程，避免了线程切换的开销。代码看起来是同步的，但实际是异步执行。
举个例子，你要爬100个网页：
- 用多线程：开100个线程，操作系统调度，内存开销大。
- 用asyncio：单线程内发起100个请求，哪个先返回就先处理哪个，效率更高。
但asyncio也有局限：一个协程阻塞会拖慢整个事件循环，CPU密集型任务还是得用多进程。
总结：I/O多用asyncio，计算多用thread或多进程。
asyncio: This module provides infrastructure for writing [single-threaded concurrent code using coroutines, multiplexing I/O] access over sockets and other resources, running network clients and servers, and other related primitives.
thread: This module provides low-level primitives for working with [multiple threads (also called light-weight processes or tasks) ] — multiple threads of control sharing their global data space. For synchronization, simple locks (also called mutexes or binary semaphores) are provided.
[] 里的含义，了解下相信你就明白了。
- 虽然大家（包括楼上的 ）都说 thread 受限于 GIL，但是那是对 CPU bounded tasks 而言，大多情况下 thread 还是足以应付 IO bounded tasks。
2. 即使如此，应付 IO bounded tasks 时，thread 也存在两个问题，一是 thread overhead 开销较大，二是受到系统 max thread number 的限制。基于 coroutine 的 asyncio 有助于克服这两个问题。
3. 然而 asyncio 复杂的 API 还是被人诟病： https://twitter.com/mitsuhiko/status/792441114561220609
最近几年 Python3.4 以后的几个新特性都是围绕基于 coroutine 的 concurrency （ async generator in 3.6, async/await in 3.5, asyncio in 3.4 ），各个 Python 的会议也都会有关于 concurrency 话题的 talk，说明社区还在努力探索。
#3 楼的回答过于偏颇。并没有受限于 GIL 就让 thread 用处不大这种说法了，具体还是看应用场景，如果是计算密集的任务，为了充分利用多核，当然不会用 thread，而应该用 process。但是对于 IO 密集场景或者仅仅为了解决多路传输，那么 thread 是简单而有效的选择。而且#3 楼将两句话并发在一起，新手会以为 asyncio 不受限于 GIL 能够处理计算密集的任务。
个人认为，两者的主要差别是可以处理并发量的能力。可以根据你需要处理的异步 IO 的数量，比如：如果有 100 个 socket，那么给每个 socket 分别创建一个 thread 来处理，现在的计算机应该都能 hold 住。但是当 socket 数量更高，并发量更大的时候，那么就应该选择使用 asyncio 了。
楼上两位说得很好了。
一言不合就说 GIL 也是够了…
也要看看使用场景好吗…
方括号里说 io 复用，这个 asyncio 也是类似 epoll 可以得到网卡中断事件？如果只是在解释器内模拟，那这个东西做 io 大的并发估计也就一般吧
thread 是否是系统线程，进入调度队列？
不要总是甩锅给 GIL，到底是怎么得出结论没人用 threading 的啊？
如果没有对应的 aio 库，把同步的操作丢给线程池来处理也是可以的。目前的异步文件操作（ aiofile ），DNS 查询等操作，其实都是放在线程池里面的。真正能够高效处理的还是只有 socket。
不知道该说些什么。。。。。。
除了 opcode 外我大 Py 从来都不自己模拟东西好伐，至少在 Linux 下都是依赖 syscall 的。所以 thread 也是 syscall，只是从 VM 层面和开发者层面封装了一些，同时也加锁保护 VM 执行栈，所以才有了 GIL。
可以具体看一下模块源码，不是特别难懂的。
回复 24 楼的观点，我不清楚你所谓的 [模拟] 指的是啥，但可以看看代码： https://github.com/python/cpython/blob/master/Modules/_threadmodule.c#L1023
https://github.com/python/cpython/blob/731e18901484c75b60167a06a0ba0719a6d4827d/Python/thread_pthread.h#L201
Linux 下是 pthread 实现的
程序通常会遇到三种瓶颈：CPU，IO，内存
对策也有三种：多进程，多线程，异步 io/协程
多进程能利用多核 CPU，但内存开销大。
多线程在操作系统层面可以利用多核 CPU，但各种线程同步 /锁的问题，会导致 Python 解释器实现特别复杂，所以干脆加了个全局锁，只允许用一个核；线程在执行 io 操作阻塞时，系统会把线程挂起，把 CPU 分配给别的线程运行；内存开销比进程小。
异步 io 相当于在 Python 中实现
asyncio/协程相当于在 python 中实现一个内核 /调度系统，协程在进行 io 阻塞时，安排别的协程继续运行；内存开销更小。
如果你遇到 io 瓶颈，可以用多线程和协程，协程内存开销更小，能同时跑更多任务，web 服务能同时处理更多请求。
PS：asyncio 实现过于复杂，推荐 curio ！
我错了
看了 threadmodule.c，没有 grep 到 pthread_create，看文件又这么长，以为是模拟的线程
是系统线程，那为啥老说 python 线程性能差呢？
thread 模块被更高级的 threading 模块代替了。
由于 gil 的存在，threading 并不能提高 cpu 密集运算的性能。threading 以前用于提高 io 密集型的操作速度。
py3 新加的 asyncio 是用来做异步 io 的。
我很久没用 threading 了，并没有不适。
社区有人尝试过的，都没啥成效。别指望 CPython 改了。
其实放在 Web 开发领域也并无大碍，毕竟也胶水语言，可以放到本地线程栈去做计算密集，比如用 Cython 重写部分业务代码。
