Python的Sync与Async执行速度的快慢

Python_P叔

已于 2023-10-26 09:45:04 修改

阅读量493

点赞数

CC 4.0 BY-SA版权

文章标签： python php 开发语言

于 2023-10-26 09:39:42 首次发布

本文链接：https://blog.youkuaiyun.com/Saki_Python/article/details/134048833

本文探讨了Python同步（Sync）与异步（Async）执行在不同场景下的速度差异。在纯CPU运算场景中，同步代码稍微快一些，但异步在IO密集型任务和高并发场景下展现出优势，其协程调度避免了线程上下文切换的开销，尤其在处理大量并发请求时，性能更优。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前记

Python新的版本中支持了async/await语法，很多文章都在说这种语法的实现代码会变得很快，但是这种快是有场景限制的。这篇文章将尝试简单的解释为何Async的代码在某些场景比Sync的代码快。

1.一个简单的例子

首先先从一个例子了解两种调用方法的差别, 为了能清晰的看出他们的运行时长差别，都让他们重复运行10000次，具体代码如下：

import asyncio
import time


n_call = 10000

# sync的调用时长
def demo(n: int) -> int:
    return n ** n

s_time = time.time()
for i in range(n_call):
    demo(i)
print(time.time() - s_time)

# async的调用时长
async def sub_demo(n: int) -> int:
    return n ** n

async def async_main() -> None: 
    for i in range(n_call):
        await sub_demo(i)

loop = asyncio.get_event_loop()
s_time = time.time()
loop.run_until_complete(async_main())
print(time.time() - s_time)

# 输出
# 5.310615682601929
# 5.614157438278198

可以看得出来， sync的语法大家都是很熟悉，而async的语法比较不一样，函数需要使用async def开头，同时调用async def函数需要使用await语法，运行的时候需要先获取线程的事件循环，然后在通过事件循环来运行async_main函数来达到一样的效果，但是从运行结果的输出可以看得出, sync的语法在这个场景中比async的语法速度快了一些些（由于Python的GIL原因，这里无法使用多核的性能，只能以单核来跑）。

造成这样的原因是同样由同一个线程执行的情况下(cpu单核心)，async的调用还需要经过一些事件循环的额外调用，这会产生一些小开销，从而运行时间会比sync的慢，同时这是一个纯cpu运算的示例，而async的的优势在于网络io运算，在这个场景无法发挥优势，但会在高并发场景则会大放光彩, 造成这样