asyncio适合I/O密集、无强状态依赖且全栈异步支持的场景；不适合CPU密集、含阻塞C扩展或依赖同步库的情况，混用会阻塞事件循环。
asyncio 适合什么场景，又不适合什么
如果 I/O 密集、协程间无强状态依赖、且你能控制所有关键库是否支持异步（比如 aiohttp 而非 requests），asyncio 是首选。它在单线程内靠事件循环调度，开销小、并发高。
但一旦混入 CPU 密集操作（如图像处理、数值计算），或调用大量阻塞式 C 扩展（如某些 numpy 操作未显式释放 GIL）、或依赖的第三方库只有同步接口（如多数 psycopg2 旧版本），asyncio 就会卡住整个事件循环——这不是 bug，是设计使然。
- 别指望
asyncio.to_thread()能“拯救”所有同步调用；频繁跨线程切走会抵消异步收益 -
asyncio.run()每次都新建事件循环，短生命周期脚本没问题，长期服务要自己管理asyncio.get_event_loop() - 调试时看到
RuntimeWarning: coroutine 'xxx' was never awaited，基本是忘了await或误把协程当普通函数调了
多进程 vs 多线程：GIL 不是唯一决定因素
Python 的 GIL 确实让多线程无法真正并行执行 CPU 密集任务，但这不等于“线程没用”。对 I/O 密集型任务（如大量 HTTP 请求、文件读写），threading 开销低、启动快、共享内存方便，反而是更轻量的选择。
而 multiprocessing 虽能绕过 GIL，但进程创建/通信成本高，对象序列化（pickle）限制多，且 Windows 下默认启动方式是 spawn，导致模块级代码重复执行——常见错误是把 if __name__ == '__main__': 漏掉，直接报 AttributeError: Can't get attribute 'xxx' on 。
立即学习“Python免费学习笔记（深入）”；
1、对ASP内核代码进行DLL封装，从而大大提高了用户的访问速度和安全性；2、采用后台生成HTML网页的格式，使程序访问速度得到进一步的提升；3、用户可发展下级会员并在下级购买商品时获得差额利润；4、全新模板选择功能；5、后台增加磁盘绑定功能；6、后台增加库存查询功能；7、后台增加财务统计功能；8、后台面值类型批量设定；9、后台财务曲线报表显示；10、完善订单功能；11、对所有传输的字符串进行安全
- 用
concurrent.futures.ThreadPoolExecutor控制线程数比裸写threading.Thread更安全，避免资源耗尽 -
multiprocessing.Pool的map()默认不支持关键字参数；要用starmap()或封装成单参数元组 - 子进程无法继承父进程的 logging 配置，需显式重置 handler 和 level
何时该上 trio / curio，而不是死磕 asyncio
asyncio 的 API 设计偏底层，取消传播、超时嵌套、任务隔离等逻辑容易出错。如果你的项目需要强可靠性（比如金融类定时结算、设备长连接保活），trio 的结构化并发模型会更省心：每个 async with trio.open_nursery() 块天然保证子任务全部结束才退出，异常自动传播，无需手动 gather() + cancel()。
但代价是生态窄——trio 兼容的 HTTP 客户端只有 httpx（且得指定 backend="trio"），数据库驱动几乎为零。你不能一边用 trio 写主逻辑，一边拿 asyncpg（只支持 asyncio）去查库，否则会触发 RuntimeError: This event loop is already running。
-
curio更激进，连async/await都不用，全靠async def+await+ 显式sleep()，学习曲线陡，社区支持弱，仅建议实验性项目尝试 - 别试图用
anyio当万能胶水——它只是统一了 API 表面，底层仍是asyncio或trio，切换后仍要重测所有 I/O 组件
混合模型不是银弹，但有时真得这么干
现实系统常同时存在 CPU 密集（如视频转码）、I/O 密集（如上报日志）、和外部阻塞调用（如调用某老 C 库的 SDK）。纯一种模型撑不住，必须分层：主线程跑 asyncio 处理网络，CPU 工作扔给 multiprocessing.Process，阻塞 SDK 调用丢进 concurrent.futures.ThreadPoolExecutor 并设好 max_workers=1 防止线程爆炸。
难点不在启动，而在状态同步与错误透传。比如子进程崩溃，asyncio 主循环不会自动感知；线程池里抛了异常，若没用 future.result() 主动取，就会静默丢失。
- 用
asyncio.Queue在协程与子进程间传数据，别用multiprocessing.Queue——后者不 await 友好 - 所有跨模型边界的操作，务必加超时（
asyncio.wait_for()、future.result(timeout=...)），否则一个卡死就拖垮全局 -
logging本身是线程安全的，但多进程下需用QueueHandler+ 单独日志进程，否则日志错乱或丢失
