你是否遇到过这样的场景：用 Python 写了一个下载图片的脚本，它却要一张下载完才能开始下一张，效率低得让人着急；或者写了个简单的 Web 服务，一个慢请求就能卡住后面所有用户？
其实，这背后藏着 Python 中同步与异步的核心逻辑——它们决定了程序如何“安排时间”，直接影响着代码的效率。
同步和异步跟多线程没有关系，异步可以提高效率。
一、先搞懂：同步和异步，到底在“同步”什么？
其实同步和异步的核心，是程序处理“任务”的顺序和等待逻辑。我们用生活中的例子，就能瞬间明白二者的区别。
1. 同步：“排队办事，等完一个再一个”
想象你去银行办理业务，只有一个窗口（对应程序的“单线程”）：
• 你先取号排队，前面的人不办完，你只能等着；
• 前面的人可能要填单子、核对信息（对应程序中的“IO 操作”，比如下载文件、访问数据库），哪怕他在填单子时窗口空闲，你也不能上前；
•只有前一个人完全办完离开，下一个人才能开始。 这就是同步编程的逻辑：任务按顺序执行，一个任务没完成（尤其是等待 IO 时），后面的任务必须“阻塞”（等待），直到当前任务结束。 用 Python 代码举个同步的例子（模拟下载 3 张图片）：
import time # 模拟下载图片（IO操作，用time.sleep模拟等待时间） def download_img(img_name): print(f"开始下载：{img_name}") time.sleep(2) # 模拟下载等待，此时程序完全阻塞 print(f"下载完成：{img_name}") # 同步执行 start_time = time.time() download_img("风景.jpg") download_img("人物.jpg") download_img("动物.jpg") end_time = time.time() print(f"总耗时：{end_time - start_time:.2f}秒")很明显，3 个任务依次执行，总耗时是单个任务的 3 倍——这就是同步的“低效”之处：等待 IO 时，程序完全闲着
2. 异步：“多件事穿插做，不等完也能切换”
还是刚才的银行场景，但这次你多了个“助手”（对应 Python 的“事件循环”）：
你去窗口提交申请后，工作人员说“填完单子再来”（对应程序发起 IO 请求）；
你不用在窗口等，而是去旁边填单子（程序释放线程，去处理其他任务）；
同时，助手帮你盯着窗口——等你填完单子（IO 完成），助手会提醒你“该你了”（程序切换回原任务继续执行）；
这样一来，窗口和你都没闲着，效率大大提升。
这就是异步编程的逻辑：任务发起后，如果需要等待 IO（比如下载、数据库查询），程序不会阻塞，而是去执行其他任务；等 IO 完成后，再回来继续处理之前的任务。
注意：异步不是“同时执行多个任务”（那是多线程/多进程），而是“在等待的间隙，穿插执行其他任务”——本质是“单线程下的任务调度优化”。
二、Python 异步的“三要素”：你必须掌握的核心语法
要在 Python 中写异步代码，有三个核心概念必须掌握，它们就像异步的“三驾马车”： async/await 关键字、 asyncio 库、以及“可等待对象”。
1. 关键字： async def 定义异步函数
首先，异步函数必须用 async def 定义，而不是普通的 def ——这告诉 Python：“这个函数是异步的，里面可能有等待操作”。
# 异步函数（用async def定义） async def async_download_img(img_name): print(f"开始下载：{img_name}") # 这里不能用time.sleep（同步等待），必须用异步等待 await asyncio.sleep(2) # 异步等待：释放线程去处理其他任务 print(f"下载完成：{img_name}")注意：普通函数里不能用 await，只有 async def 定义的异步函数里才能用。
一个 Object 里面有一个 wait 方法，为什么不是 Thread 里面呢？
因为任何一个对象都可以当做锁！
2. 关键字：await等待“可等待对象”
await 的作用是“暂停当前异步函数，去执行其他任务，直到等待的对象完成”。它后面必须跟“可等待对象”（比如异步函数、asyncio.Task 等）。
为什么不能用 time.sleep(2)？因为 time.sleep 是同步等待，会阻塞整个线程——而异步需要的是“异步等待”，所以要用 asyncio.sleep(2)（它是异步的，会释放线程）。
3. 库：asyncio 管理异步任务
asyncio是 Python 标准库中专门用于异步编程的库，它提供了“事件循环”（相当于之前说的“助手”）、任务调度、IO 管理等核心功能。
最常用的方法是 asyncio.run()——它会创建一个事件循环，运行异步函数，然后关闭循环：
run 里面一般放入一个协程。
import asyncio import time async def async_download_img(img_name): print(f"开始下载：{img_name}") await asyncio.sleep(2) # 异步等待 print(f"下载完成：{img_name}") # 异步执行入口 async def main(): start_time = time.time() # 同时创建3个异步任务并等待 await asyncio.gather( async_download_img("风景.jpg"), async_download_img("人物.jpg"), async_download_img("动物.jpg") ) end_time = time.time() print(f"总耗时：{end_time - start_time:.2f}秒") # 运行异步程序 asyncio.run(main())看到了吗？总耗时从6 秒降到了 2 秒——这就是异步的魔力：三个任务的“等待时间”重叠了
三、同步 vs 异步：什么时候该用哪个？
很多人会觉得“异步比同步好，所有场景都该用异步”——这其实是误区。同步和异步各有适用场景，选错了反而会适得其反。
我们用一张表对比二者的核心差异和适用场景：
举个例子：
如果你写一个“计算 1 到 100000 的质数”的程序（CPU 密集），用异步没用——因为 CPU 一直在工作，没有等待间隙，异步无法切换任务；
如果你写一个“爬取 100 个网页”的程序（IO 密集），用异步就很合适——因为爬网页时大部分时间在等服务器响应，异步可以在等待时爬其他网页
四、常见误区：异步不是“银弹”
最后，我们澄清几个关于 Python 异步的常见误区，帮你避免踩坑：
1. 异步 ≠ 多线程/多进程
异步是“单线程下的任务调度”，而多线程/多进程是“真正的并行执行”。异步不能解决 CPU 密集型任务的效率问题，因为它本质还是单线程。
2. 不是所有库都支持异步
很多 Python 库是同步的（比如 requests 、 sqlite3 ），在异步函数里用这些库会阻塞线程——必须用对应的异步库，比如 aiohttp （对应 requests ）、 asyncpg （对应 psycopg2 ）。
3. 异步代码不一定比同步快 如果任务量很小，或者 IO 等待时间极短（比如本地文件读写），异步的“调度开销”可能比节省的等待时间还多，反而更慢。 总结 回到开头的问题：为什么有的 Python 程序效率低？因为它用了同步逻辑处理 IO 密集型任务，浪费了大量等待时间。
同步和异步没有绝对的好坏，关键是“对症”：
•当任务需要大量等待（IO 密集），用异步（ async/await + asyncio ），让程序“不闲着”；
•当任务需要大量计算（CPU 密集），用同步 + 多线程/多进程，让 CPU“不闲着”。
异步就是不要让 cpu 闲下来！！
