Python并发程序难测试的核心在于不确定性，包括调度顺序、竞态条件难以稳定触发、事件循环管理复杂、时间相关行为不可控及错误传播路径被遮蔽等问题。
Python 并发程序难测试，核心在于**不确定性**——线程/协程的调度顺序、资源竞争时机、超时边界等无法稳定复现，导致测试结果时而通过、时而失败（flaky test）。
竞态条件（Race Condition）难以稳定触发
多个线程或协程同时读写共享状态（如全局变量、列表、字典）时，执行顺序稍有不同，就可能跳过 bug 或恰好暴露问题。测试无法控制底层调度器何时切换上下文，所以即使加了 time.sleep() 也很难让问题每次都出现。
- 用
threading.Lock或asyncio.Lock保护临界区是修复手段，但测试本身很难“逼出”未加锁时的异常行为 -
工具如
pytest-xdist并行跑测试反而可能掩盖竞态——因为每次调度路径都不同 - 静态检查（如
pylint的consider-using-with）或动态检测（如thread-sanitizer风格工具在 Python 中支持有限）作用有限
异步逻辑与事件循环耦合紧密
async/await 代码依赖事件循环运行，测试时若不显式管理循环生命周期，容易出现 “RuntimeError: no running event loop” 或任务被静默丢弃。
- 直接调用协程函数（如
my_coro()）只返回协程对象，不会执行；必须用asyncio.run()或loop.run_until_complete() - 多个测试共用一个事件循环时，未 await 完的任务可能污染后续测试；推荐每个测试用独立循环（
asyncio.new_event_loop()）或使用pytest-asyncio自动管理 - 模拟异步依赖（如 HTTP 请求）需用
AsyncMock或respx等支持协程的 mock 工具，普通Mock会报错
时间相关行为不可控
超时、重试、定时任务（asyncio.sleep、threading.Timer）让测试变慢且不稳定。真实等待几秒既低效又易受系统负载影响。
立即学习“Python免费学习笔记（深入）”；
- 避免在测试中用
time.sleep(1)等待，改用可注入的“时间提供者”（如传入clock参数），测试时替换为立即返回的模拟时钟 - 对
asyncio.sleep()，可用asyncio.set_event_loop_policy()替换为快进版循环（如aiounittest.FastPolicy），或打补丁让其跳过等待 - 涉及系统时间的逻辑（如 JWT 过期判断），应抽象出
get_now()接口，测试时固定返回某时刻
错误传播路径被并发机制遮蔽
线程中未捕获异常会静默消失；asyncio 中未 await 的任务抛出异常可能只打印到 stderr 而不中断测试；信号、超时、取消操作的副作用也难以断言。
- 线程中用
threading.excepthook捕获未处理异常，并在测试中检查是否被调用 - asyncio 中确保关键任务被
asyncio.create_task()启动后，显式await task或用asyncio.wait_for(task, timeout)控制生命周期 - 测试取消逻辑时，不能只检查“是否调用了 cancel()”，还要验证目标协程是否真正响应了
CancelledError并清理资源
不复杂但容易忽略：并发测试不是写得更多，而是写得更“确定”。关键是把不确定的部分（时间、调度、外部依赖）抽出来，替换成可控的抽象，再针对逻辑本身做单元验证。
