线程局限

多线程在运行过程中容易被打断，有可能会出现 race condition 的情况
线程切换本身存在开销，不能无限增加线程数

Sync vs Async

Sync - 操作顺序执行，前面阻塞后面
Async - 不同操作间可以交替执行，如果其中一个操作被阻塞了，程序不会等待，而是会找出可执行的操作继续执行

原理

CSP - Communicating sequential processes

asyncio 与 Python 程序一样，都是单线程的
asyncio 只有一个主线程，但可以进行多个不同的任务（特殊的 Future 对象），这些不同的任务被 Event loop 控制
假设任务只有两个状态 - 预备状态 / 等待状态
- 预备状态 - 任务目前空闲，随时准备运行
- 等待状态 - 任务已经运行，但在等待外部操作完成（如 IO）
Event loop 维护两个任务列表，分别对应预备状态和等待状态
- 选取预备状态的一个任务（与任务的等待时长、占用资源等相关），使其运行，直到该任务将控制权交还给 Event loop 为止
  - 当任务将控制权交还给 Event loop 时，Event loop 会根据其是否完成，将任务放到预备状态列表或者等待状态列表
- 然后遍历等待状态列表的任务，查看是否完成
  - 如果完成，将其放到预备状态的列表
  - 如果未完成，继续放在等待状态的列表
- 原先在预备状态列表的任务位置仍旧不变，是因为它们还未运行
asyncio 的任务运行时不会被外部的一些因素打断，因此不会出现 race condition，无需担心线程安全的问题 - CSP
- 在 IO 密集的场景下，asyncio 比多线程的运行效率更高
  - 因为 asyncio 内部任务切换的开销，远低于线程切换的开销
- 并且 asyncio 可以开启非常多的任务数量 - 类似于 Goroutine

用法

async with 是 asyncio 的最新写法 - 表示该语句/函数是 non-blocking
如果任务执行的过程中需要等待，则将该任务放入等待状态列表中，然后继续执行预备状态列表中的任务
asyncio.run 是 asyncio 的 root call，表示拿到 Event loop，运行任务，直到结束，最后关闭该 Event loop

1 2	tasks = [asyncio.create_task(download_one(site)) for site in sites] await asyncio.gather(*tasks)

asyncio.create_task(coro) 表示对协程 coro 创建一个任务（特殊的 Future 对象），安排其执行
asyncio.gather 表示在 Event loop 中运行所有任务

缺陷

要发挥 asyncio 的能力，需要对应的 Python 库支持
- requests 不支持 asyncio，而 aiohttp 支持
使用 asyncio，在任务调度方面有更大的自主权，但容易出错

多线程 vs Async IO

asyncio 是单线程，但其内部的 Event loop 机制，可以并发地运行多个不同的任务，且比多线程更自主

if io_bound:
    if io_slow:
        print('Use Asyncio')
    else:
        print('Use multi-threading')
else if cpu_bound:
    print('Use multi-processing')

对于 CPU 密集型任务，使用多线程是无效的 - 由于 GIL 的限制 - 请使用多进程
- Python 多线程的本质 - 多个线程互相切换，但由于 GIL 的限制，在同一时刻仍然只允许一个线程运行
  - 使用多线程和使用单一主线程，对于 CPU 密集型任务来说，本质上来说没有区别
  - 反而在很多情况下，因为线程切换带来的额外损耗会降低程序性能
- 使用多进程，是允许多个进程间并行的，能提高程序性能
对于 IO 密集型任务，如果想要加速，优先选择多线程或者 asyncio，因为瓶颈在 IO 上，而非 CPU 上
- 使用多进程也行，但完全没有必要
- asyncio 可以支持比多线程更多的连接数