接触前后端一段时间了,我对异步这个常用概念仍然没有一个非常好的认识,因此写了这篇文章来进行学习.

异步概念总览

异步这一概念是相对于同步来说的,我们先来看看同步的定义:

In computer science , synchronization is the coordination of simultaneous threads or processes to complete a task with correct runtime order and no unexpected race conditions; see synchronization (computer science) for details.

也就是说,同步就是顺序执行了,那么异步就是不按顺序执行,那到底是怎么执行的呢?

非常奇怪的是,你很难找到一个文档去真正的讲清楚异步是什么,我翻阅了各大问答网站,wiki,博客,都很难找到一个真正详尽的解答,这反过来说明这个概念并非如想象中的那般简单.

让我们看看AI怎么说(尽管我用的是免费模型):

Gemini说

从物理机制和执行模型来看，异步（Asynchronous） 的本质是：允许调用方在发起一个耗时操作后，不等待结果返回，直接继续执行后续任务。

为了透彻理解，我们需要从“阻塞”与“让渡”的核心逻辑出发：

1. 核心模型：同步 vs. 异步

  • 同步 (Synchronous)：线性执行。CPU 发起 I/O 请求（如读文件、连数据库）后，必须原地“挂起”等待硬件返回数据。此时 CPU 虽然空闲，但无法处理其他任务，这就是阻塞。
  • 异步 (Asynchronous)：非线性执行。CPU 发起 I/O 请求后，立即标记该任务为“等待中”，然后转身去处理其他代码。当硬件数据准备好时，通过事件通知（回调、信号或 Promise）告知 CPU 回来处理结果。

2. 生活化类比：餐厅模式

  • 同步模式（排队取餐）：你在柜台点完餐，必须站在收银台前等着厨师做。厨师没做好，你不能走，后面的人也点不了餐。你的时间被彻底阻塞。
  • 异步模式（取餐铃）：你点完餐，服务员给你一个“取餐铃”（对应编程中的 Future 或 Promise）。你可以回座位玩手机或看书。当铃声响了（对应回调通知），你才过去取餐。你没有被“阻塞”在柜台。

3. 底层物理基础：为什么需要异步？

计算机硬件的速度存在极大的数量级差异，这是异步存在的根本原因：

操作 消耗 CPU 指令周期（近似） 等效人类时间
CPU 寄存器操作 1 周期 1 秒
内存访问 200 周期 3 分钟
SSD 硬盘读取 2,000,000 周期 23 天
网络请求 (跨海) 200,000,000 周期 6 年

结论：如果采用同步模式，CPU 在等待一次网络请求时，相当于浪费了人类时间里的“6 年”。异步通过让渡控制权，让 CPU 在这“6 年”里去处理成千上万个其他任务。

4. 常见的实现机制

异步在不同领域有不同的物理表现：

  • 多线程 (Multi-threading)：开一个新的员工（线程）去等，主员工继续干活。缺点是切换员工（上下文切换）很累，且费工资（内存占用高）。
  • 事件循环 (Event Loop)：如 JavaScript 或 Python 的 asyncio。只有一个员工，但他手里有个待办列表。遇到耗时任务就往列表一扔，做完一个就看一眼列表有没有回信。
  • 回调函数 (Callback)：“做完了叫我”。
  • Promise / Await：“给我一个承诺，好了我再继续”。

5. 关键误区纠偏

  1. 异步 ≠ 并行：
    • 并行是“多个人同时搬砖”。
    • 异步是“一个人在等砖拉过来的同时，去拌水泥”。
  2. 异步不一定更快：
    • 对于 计算密集型（纯算数学题），异步反而慢，因为多了调度开销。
    • 对于 I/O 密集型（等网络、等文件），异步能极大地提高系统的并发能力（吞吐量）。

概念辨析

AI对异步的概念定义如下:
允许调用方在发起一个耗时操作后，不等待结果返回，直接继续执行后续任务。

从这个角度来看,我们平常所说的多线程并不是异步,多线程是将同一个任务拆分成了很多小任务去执行,但异步并不存在将任务分开执行这个概念,而是存在一个顺序上的先后划分.

因此,我们可以这样解释异步:

将耗时的,或者需要其他操作来返回结果的任务挂起,优先执行其他任务,等到需要执行这个任务时再执行.

以python爬虫为例:

通过 asyncio 库和 await 关键字，程序在发起网络请求后不再原地阻塞，而是去执行其他请求，直到数据返回再回调处理。这种模式在单线程下实现了高并发，极大地提升了 I/O 密集型任务的吞吐量

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import asyncio
import aiohttp

async def fetch(session, url):
    # 发送请求并挂起，等待期间 CPU 可以处理其他任务
    async with session.get(url) as response:
        return await response.text()

async def main():
    urls = ["https://example.com" for _ in range(10)]
    # 使用 aiohttp 管理异步连接池
    async with aiohttp.ClientSession() as session:
        # 并发创建所有爬取任务
        tasks = [fetch(session, url) for url in urls]
        # 统一等待所有任务完成
        pages = await asyncio.gather(*tasks)
        print(f"成功爬取 {len(pages)} 个页面")

# 启动事件循环
if __name__ == "__main__":
    asyncio.run(main())