Wyjaśnienie asynchronizacji / oczekiwania w Pythonie: samouczek 2026

Async w Pythonie ma reputację mylącego. Nie musi tak być. Kiedy już zinternalizujesz jedno zdanie — async pozwala JEDNEM wątkowi wykonywać wiele zadań związanych z we/wy przeplatanych — wszystko inne następuje.

W tym samouczku omówiono: co właściwie robią „async def” i „await”, kiedy async wygrywa, a kiedy jest to niewłaściwe narzędzie, cztery wzorce używane przez każdą bazę kodu asynchronicznego (sekwencja, zbieranie, semafor, limit czasu) oraz trzy sposoby, w jakie początkujący po cichu przełykają błędy.

Jednozdaniowy model mentalny

Async w Pythonie to współbieżność w jednym wątku. Kiedy Twój kod otrzyma komunikat „oczekuj”, sterowanie powraca do pętli zdarzeń, która może uruchomić inne zadanie, podczas gdy pierwsze czeka na wejście/wyjście. Po zakończeniu operacji we/wy pętla wznawia pierwsze zadanie od miejsca, w którym została wstrzymana.

To wszystko. Żadnych wątków, żadnych procesów, żadnej równoległości (w sensie CPython-with-GIL). Tylko jeden wątek żonglujący wieloma zadaniami, które większość czasu spędzają w oczekiwaniu na sieć/dysk/bazę danych.

Asynchronizacja jest szybsza, gdy wąskie gardło czeka, a nie wykonuje obliczenia.

Minimalny wykonalny program asynchroniczny składający się z trzech linijek

• async def hello() — deklaruje współprogram. Wywołanie hello() nie powoduje uruchomienia kodu; tworzy obiekt współprogramowy.
• await asyncio.sleep(1) — przywraca kontrolę do pętli zdarzeń na 1 sekundę.
• asyncio.run(hello()) — tworzy pętlę zdarzeń i uruchamia współprogram do końca.

Reguła: `await` tylko wewnątrz `async def`. Wywołanie „await” w zwykłej funkcji jest „SyntaxError”.

Kiedy wygrywa asynchronizacja (i kiedy nie)

Async wygrywa: praca związana z we/wy

Każde zadanie, które większość czasu zegara ściennego spędza na CZEKANIU, jest kandydatem do wykonania asynchronicznego:

• Żądania HTTP (zewnętrzne API, scraping, webhooki)
• Zapytania do bazy danych
• Plik odczytuje/zapisuje
• Strumienie WebSocket / gRPC
• Konsumenci w kolejce (Redis, RabbitMQ, Kafka)

Przykład: pobieranie 100 adresów URL.

Przyspieszenie zegara ściennego 50-100x do pracy wymagającej dużej liczby wejść/wyjść. To tutaj asynchronia zarabia na swój budżet złożoności.

Async LOSES: praca związana z procesorem

Async nie zapewnia równoległości obliczeń. Ponieważ jest to jednowątkowa, kooperacyjna pętla, gorąca pętla procesora blokuje całą pętlę zdarzeń.

Wszystkie inne zadania zawieszają się podczas działania pbkdf2. W przypadku pracy związanej z procesorem sięgnij po „multiprocessing” lub „concurrent.futures.ProcessPoolExecutor”, a nie asynchronicznie.

Mieszane obciążenie: run_in_executor

Jeśli JEDEN krok obciąża procesor, a reszta to operacje we/wy, zawiń krok procesora tak, aby działał w puli wątków bez blokowania pętli:

Brak = domyślna pula wątków. Świetnie nadaje się do wywoływania bibliotek synchronizacji innych firm, które są powolne, ale nie można ich przepisać.

Cztery wzory

1. Sekwencyjny — jedno zadanie na raz

Użyj, gdy każde żądanie zależy od wyniku poprzedniego.

2. asyncio.gather — odpal wszystko na raz

Domyślny wybór dla niezależnych zadań we/wy. Ale: jeśli zbierzesz 10 000 zadań w ramach jednego interfejsu API, otrzymasz deskryptory plików o ograniczonej szybkości lub wyczerpaniu. Tutaj właśnie pojawia się wzór semafora.

3. Semafor — ograniczenie współbieżności

asyncio.Semaphore(N) pozwala w dowolnym momencie maksymalnie N zadań przekroczyć async z sem:. Kolejka pozostałych zadań. Użyj dla dowolnego zewnętrznego API z limitem szybkości lub bazy danych z pulą połączeń.

4. Limit czasu — porzuć powolną pracę

asyncio.wait_for anuluje podstawowe zadanie po N sekundach. Niezbędny dla każdego kodu asynchronicznego komunikującego się z siecią — nigdy nie wykonuj nieograniczonego oczekiwania.

Trzy pułapki połykające błędy

Pułapka 1: asyncio.gather z return_exceptions=True

Przydatne, gdy chcesz zachować częściowe wyniki, ale ŚMIERTELNE, jeśli nie sprawdzasz wszystkich wyników:

Bez sprawdzenia błędy po cichu znikają.

Pułapka 2: Zadania odpal i zapomnij

Jeśli funkcja background_work() zostanie podniesiona, Python wyemituje ostrzeżenie przy zamykaniu i przejdzie dalej. W przypadku czegokolwiek, na czym Ci zależy, przechowuj zadanie i „czekaj” na nie lub użyj asyncio.TaskGroup (3.11+), które propaguje wszystkie błędy.

Pułapka 3: Synchronizuj kod w trybie asynchronicznym

„żądania” są synchroniczne. Nawet wewnątrz async def requests.get blokuje całą pętlę do czasu nadejścia odpowiedzi. Użyj httpx (lub aiohttp) dla asynchronicznego HTTP.

Zasada: nigdy nie używaj synchronicznej biblioteki we/wy w kodzie asynchronicznym. Jeśli biblioteka nie ma wersji asynchronicznej, zawiń ją w run_in_executor.

asyncio.TaskGroup — sposób na rozproszenie w 2026 roku

W Pythonie 3.11 dodano grupę zadań „TaskGroup”, która rozwiązuje problem „wystrzel i zapomnij”:

Ustrukturyzowana współbieżność — brak utraconych błędów i osieroconych zadań. Wolę to niż nagie „tworzenie_zadania” we współczesnym kodzie.

Przykład z życia wziętego: skrobak z ograniczoną szybkością

Wszystkie cztery wzorce w 15 liniach: ograniczona współbieżność (semafor), przekroczenia limitu czasu (wait_for), jawne gałęzie błędów (bez połykania) i zbieranie w celu rozwinięcia. Skopiuj i wklej ten kształt do dowolnego asynchronicznego zadania we/wy.

Async w Pythonie wymaga prawdziwego uczenia się, ale model mentalny jest prosty: jeden wątek, kooperacyjna pauza na „oczekiwanie”, operacje we/wy nakładają się. Opanuj zebierz + Semafor + wait_for + TaskGroup, a wykonasz 95% pracy asynchronicznej, jaką kiedykolwiek napiszesz.

Następny krok: Ścieżka dla seniorów w języku Python zawiera 20 praktycznych lekcji na temat asyncio, TaskGroup, aiohttp/httpx i powyższych wzorców współbieżności — z prawdziwym Pythonem uruchomionym w przeglądarce.