# 协作式多任务：Python Asyncio 的核心


## 协作式多任务：主动交替执行

与传统操作系统通过强制切换进程（抢占式多任务）不同，Python 的 asyncio 采用了一种完全不同的方法，称为**协作式多任务**。

### 协作式多任务的工作原理

在协作式多任务中：

- 任务会一直运行，直到它们通过 `await` 主动让出控制权
- 没有自动的时间片切换或强制抢占
- CPU 密集型任务必须手动让出控制权，否则会阻塞其他任务
- 如果某个任务不配合，可能会阻塞整个系统

可以把它想象成一组人讨论问题，每个人都同意只在自然停顿时发言，然后让别人说话。当大家都遵守规则时，这种方式非常有效，但如果有人一直占用话语权，就会破坏整个系统。

### 抢占式 vs 协作式：关键区别

| 抢占式多任务（操作系统线程）   | 协作式多任务（Asyncio）        |
|-------------------------------|-------------------------------|
| 操作系统强制中断任务           | 任务主动让出控制权             |
| 任务随时可能被中断             | 任务会一直运行直到遇到 await   |
| 系统定时器触发上下文切换       | 等待操作时触发切换             |
| 适合 CPU 密集型任务            | 最适合 I/O 密集型任务          |
| 需要复杂的同步机制             | 同步更简单                     |
| 任务切换自动发生               | 程序员需手动添加 await 点      |

### 篮球类比

想象一场篮球比赛：

- **抢占式多任务** 就像有一个投篮计时器——时间一到，无论你在做什么，裁判（操作系统）都会强制收回球权
- **协作式多任务** 则像是街头篮球，靠自觉——大家投完篮或无法推进时主动传球

第二种方式只要大家都遵守规则就很顺畅，但只要有一个自私的球员，比赛就会变得糟糕。

### 为什么 Python 选择协作式多任务

协作式多任务有几个优势：

1. **简单** —— 不需要锁等复杂的同步原语
2. **高效** —— 没有频繁的上下文切换带来的开销
3. **可预测** —— 任务在明确的点让出控制权
4. **单线程** —— 避免了许多线程相关的 bug 和竞态条件

缺点是程序员需要更加注意代码何时、何地让出控制权。

### 使用 Asyncio 时需要注意的事项

由于 asyncio 依赖于任务间的协作，以下实践非常重要：

- 使用 `aiofiles.open()` 替代普通的 `open()`，避免阻塞事件循环
- 进行 HTTP 操作时用 `aiohttp` 替代 `requests`
- 延时操作时用 `asyncio.sleep()` 替代 `time.sleep()`
- 在 CPU 密集型操作中定期让出控制权：

```python
async def compute_intensive_task():
    result = 0
    for i in range(1_000_000):
        result += i * i
        
        # 每 10,000 次迭代让出一次控制权，允许其他任务运行
        if i % 10000 == 0:
            await asyncio.sleep(0)  # 睡眠 0 秒，仅用于让出控制权
            
    return result
```

- 对于真正的 CPU 密集型任务，建议使用线程池：

```python
async def run_in_thread(cpu_bound_function, *args):
    loop = asyncio.get_running_loop()
    return await loop.run_in_executor(None, cpu_bound_function, *args)
```

理解并尊重 asyncio 的协作本质，你就能构建出高效且并发性强的应用程序，而无需传统多线程的复杂性。