Python异步编程核心是事件循环、协程调度与I/O等待协同，async/await本质是让单线程并发处理高延迟任务；事件循环需主动驱动，协程对象须显式调度（await或create_task），阻塞操作必须替换为异步版本，同步库需用run_in_executor，共享状态需asyncio.Lock，超时须显式控制。
Python异步编程的核心不在语法糖，而在事件循环、协程调度与I/O等待的协同机制。掌握第59讲的关键，是理解async/await背后如何让单线程“同时”处理多个高延迟任务，而不是只记住怎么写async def。
事件循环（Event Loop）是异步系统的唯一引擎
所有async函数都必须运行在事件循环中——它不是后台服务，而是你主动启动并持续驱动的主干程序。Python默认提供asyncio.run()帮你隐式创建和关闭，但生产环境常需手动管理（如Web服务器长期运行）。
- 用
asyncio.get_event_loop()获取当前循环（注意：3.11+推荐asyncio.get_running_loop()） - 循环一旦关闭，不能再提交新任务；未完成的协程会被取消并抛出
CancelledError - 阻塞操作（如
time.sleep()、普通requests.get()）会卡住整个循环——必须换为await asyncio.sleep()或异步客户端（如aiohttp）
协程对象 ≠ 运行中的任务，需显式调度
调用async def函数返回的是一个协程对象（coroutine object），它什么也不做，直到被事件循环执行。常见误区是以为func()就等于“启动异步任务”。
- 直接调用
my_coro()只生成协程对象，不执行；必须await my_coro()或asyncio.create_task(my_coro()) -
create_task()把协程包装成Task对象并立即调度，适合“发出去就不用等”的并发场景 -
asyncio.gather()用于等待多个协程全部完成，并按顺序返回结果；asyncio.as_completed()则按完成先后返回，适合响应优先级敏感的场景
实战中高频踩坑点与应对技巧
真实项目里，异步难点往往藏在边界上：同步库混用、资源竞争、异常传播、超时控制。
立即学习“Python免费学习笔记（深入）”；
- 调用同步阻塞函数？用
loop.run_in_executor()扔进线程池（别用进程池，多数I/O场景线程更合适） - 共享状态（如计数器、缓存）要加锁：
asyncio.Lock()替代threading.Lock()，否则可能死锁或数据错乱 - 网络请求务必设超时：
async with asyncio.timeout(5): await aiohttp.get(...)（3.11+）或用asyncio.wait_for() - 调试时打印
asyncio.current_task()可快速定位当前执行上下文，比print更可靠
不复杂但容易忽略：异步不是万能加速器。CPU密集型任务用asyncio反而更慢，该上multiprocessing或concurrent.futures的时候别硬套await。
