在上一章我們提到，Threading 適合 I/O 密集型任務。但在超高並發場景 (例如同時處理 10,000 個連線) 下，開啟 10,000 個執行緒的記憶體開銷與 Context Switch 成本是非常驚人的。
於是，AsyncIO (非同步 I/O) 誕生了。它的核心思想是：我們只需要一個執行緒 (Single Thread)，透過 Event Loop (事件迴圈) 高速切換任務，就能達到並發效果。
這就像一個超級厲害的快餐店店員，他在等待薯條炸好的空檔，轉身去幫另一個客人點餐，完全不浪費任何等待時間。
1. 核心概念
- Coroutine (協程)：可以被暫停和恢復執行的函數 (使用
async def定義)。 - Await：等待一個 Coroutine 完成，同時釋放控制權讓 Event Loop 去做別的事。
- Event Loop：大總管，負責排程所有的 Coroutine。
2. 第一個 AsyncIO 程式
import asyncio
import time
# 定義一個 Coroutine
async def say_after(delay, what):
print(f"等待 {delay} 秒...")
# 這裡不能用 time.sleep() (它是同步的，會卡死整個執行緒)
# 必須用 await asyncio.sleep() (非同步等待)
await asyncio.sleep(delay)
print(what)
async def main():
print(f"開始於 {time.strftime('%X')}")
# 建立兩個任務同時跑
# asyncio.create_task 會將協程排入 Event Loop 立即排程
task1 = asyncio.create_task(say_after(1, 'hello'))
task2 = asyncio.create_task(say_after(2, 'world'))
# 等待兩個任務完成
await task1
await task2
print(f"結束於 {time.strftime('%X')}")
# 執行 main 協程 (Python 3.7+)
asyncio.run(main())
輸出結果：
開始於 10:00:00
等待 1 秒...
等待 2 秒...
hello (在 10:00:01 出現)
world (在 10:00:02 出現)
結束於 10:00:02
注意：總執行時間約為 2 秒，而不是 1+2=3 秒！
3. 同步 vs 非同步的陷阱
新手最常犯的錯，就是在 async 函數裡面呼叫了同步的阻塞函數 (Blocking Function)。
# 錯誤示範！
async def bad_coroutine():
# 這會卡死整個 Event Loop，其他幾千個連線都會被暫停！
time.sleep(5)
# 或者是 requests.get(...) 也是同步的，不該在 async 中使用
在 AsyncIO 世界中，一切等待都必須是 awaitable 的。
time.sleep()❌ ->await asyncio.sleep()✅requests.get()❌ ->aiohttp或httpx(非同步庫) ✅open(file)❌ ->aiofiles✅
4. 實戰：並發下載網頁
我們使用 aiohttp 套件 (需另外安裝 pip install aiohttp) 來示範真正的非同步爬蟲。
import asyncio
import aiohttp
import time
async def fetch_url(session, url):
async with session.get(url) as response:
return await response.text()
async def main():
urls = ["http://example.com" for _ in range(10)]
async with aiohttp.ClientSession() as session:
tasks = []
for url in urls:
task = asyncio.create_task(fetch_url(session, url))
tasks.append(task)
# gather 會同時等待所有任務完成，並收集結果
responses = await asyncio.gather(*tasks)
print(f"成功下載 {len(responses)} 個頁面")
start = time.time()
asyncio.run(main())
print(f"花費時間: {time.time() - start:.2f} 秒")
這段程式碼即便下載 100 個網頁，花費的時間也只取決於最慢的那一個網頁響應時間，幾乎是瞬間發出所有請求。
5. 總結
| 比較 | Threading | AsyncIO |
|---|---|---|
| 並發模型 | Pre-emptive Multitasking (作業系統決定何時切換) | Cooperative Multitasking (程式自己決定何時切換 await) |
| Race Condition | 容易發生，需用 Lock | 較少發生，除非在 await 斷點間共享狀態 |
| 適用場景 | 傳統 I/O、整合既有同步庫 | 高並發 Web Server (如 FastAPI, Node.js 風格應用) |
AsyncIO 是現代 Python 開發者 (特別是 Web 後端) 的必備技能。有了它，Python 也能寫出效能驚人的網頁伺服器！
下一章，我們將學習如何與外部世界溝通——使用 HTTP Requests 呼叫 API！
延伸閱讀：