Python异步运行同步函数技巧

在Python异步编程中，直接await同步函数（如time.sleep或requests.get）会彻底阻塞事件循环，导致整个异步系统退化为单线程同步执行，丧失并发优势；正确做法是使用loop.run_in_executor（兼容所有版本）或更简洁的asyncio.to_thread（Python 3.9+）将阻塞操作移交线程池执行，既保持事件循环畅通，又安全获取返回值——但需警惕常见陷阱：忘记await、错误加括号导致函数立即执行、为轻量操作过度引入线程开销，真正值得封装的应是HTTP请求、数据库查询等不可控的I/O阻塞点。

同步函数直接await会卡死事件循环吗

会。Python异步函数里如果直接调用 time.sleep(5)、requests.get() 或任何未用 async 声明的阻塞操作，事件循环就停在那里不动了——其他协程全部等着，整个异步系统退化成单线程同步执行。

run_in_executor 的基本用法和参数选择

loop.run_in_executor() 是标准解法，它把同步函数扔进线程池（默认）或进程池执行，不占用事件循环线程。关键点在于：它返回一个 Future，必须 await 才能拿到结果。

常见写法：

import asyncio
import time
<p>def sync_work():
time.sleep(2)
return "done"</p><p>async def main():
loop = asyncio.get_running_loop()</p><h1>默认使用 ThreadPoolExecutor</h1><pre class="brush:php;toolbar:false"><code>result = await loop.run_in_executor(None, sync_work)
print(result)</code>

参数说明：

• None：用默认线程池（推荐，轻量）
• concurrent.futures.ThreadPoolExecutor(max_workers=4)：自定义线程数，适合 I/O 密集型
• concurrent.futures.ProcessPoolExecutor()：CPU 密集型任务才考虑，但要注意对象序列化开销和全局解释器锁（GIL）实际影响

常见错误：忘记 await 或传参出错

典型翻车现场：

• 写了 loop.run_in_executor(None, sync_work()) —— 括号导致函数当场执行，不是传函数对象，事件循环照样卡住
• 写了 loop.run_in_executor(None, sync_work) 但没 await，结果是 Future 对象，后续逻辑拿不到返回值，还可能引发 RuntimeWarning: coroutine 'xxx' was never awaited
• 同步函数带参数时写成 run_in_executor(None, sync_work, arg1, arg2) 是对的；但误写成 run_in_executor(None, sync_work(arg1, arg2)) 就又同步执行了

比 run_in_executor 更轻量的替代方案

如果你只是想“不卡住”，且同步函数执行很快（毫秒级）、调用频繁，asyncio.to_thread()（Python 3.9+）更简洁：

result = await asyncio.to_thread(sync_work, arg1, arg2)

它内部就是封装了 run_in_executor + 线程池，但省去手动获取 loop 的步骤。注意：3.9 以下不支持，别硬套。

另外，不要为了“异步感”强行包装所有同步调用——比如本地文件读写小数据、简单计算，本身耗时远低于线程调度开销，加 run_in_executor 反而拖慢速度。

真正要盯住的是那些不可控的阻塞点：HTTP 请求、数据库查询、大文件处理、外部命令调用——这些才是 run_in_executor 应该出手的地方。

今天关于《Python异步运行同步函数技巧》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！