Python中异步编程与多worker并发处理的问题

在Python里搞异步编程和多worker并发，这俩经常被混为一谈，但其实路子完全不一样。核心区别在于：异步（asyncio）是单线程里靠“协作式”任务切换来模拟并发，而多worker（多进程/多线程）是真·并行。

1. 异步编程 (asyncio) 这玩意儿适合I/O密集型任务，比如一堆网络请求。它在一个线程里跑，用async/await语法。当一个任务在等I/O（比如等数据库返回）时，事件循环就把CPU让给其他就绪的任务。代码看起来是顺序的，但其实是“假装”在同时干多件事。

import asyncio
import aiohttp

async def fetch_url(session, url):
    async with session.get(url) as response:
        return await response.text()

async def main():
    urls = ['http://example.com', 'http://example.org']
    async with aiohttp.ClientSession() as session:
        tasks = [fetch_url(session, url) for url in urls]
        results = await asyncio.gather(*tasks)  # 这里“并发”发起请求
        for r in results:
            print(len(r))

# 运行
asyncio.run(main())

2. 多Worker并发 对于CPU密集型任务（比如计算圆周率），你得用多进程（multiprocessing）来绕过GIL，或者用多线程（threading）处理一些虽然受GIL限制但涉及阻塞I/O的场景。这是实打实的多个系统线程或进程同时跑。

from concurrent.futures import ProcessPoolExecutor
import math

def compute_pi(n):
    # 模拟一个耗时的CPU计算
    s = 0.0
    for i in range(n):
        s += (-1)**i / (2*i + 1)
    return s * 4

if __name__ == '__main__':
    with ProcessPoolExecutor(max_workers=4) as executor:
        # 提交多个任务到进程池
        futures = [executor.submit(compute_pi, 10**6) for _ in range(4)]
        results = [f.result() for f in futures]
        print(results)

怎么选？ 简单说：I/O堵得多用asyncio，CPU算得猛用multiprocessing，别瞎混用。