Python 高级技巧：从异步编程到性能优化的进阶之路

一、GIL 不是死刑

Python 的全局解释器锁让同一时刻只有一个线程执行 Python 字节码——这是 Python 被吐槽最多的设计。但对于 IO 密集型任务——网络请求和文件读写——GIL 会在 IO 等待时释放让其他线程运行——多线程在这里仍然有效。对于 CPU 密集型任务——多进程可以绕过 GIL——每个进程有自己的解释器和锁。

asyncio 在 Python 3.7 之后是处理高并发网络请求的最优方案——一个事件循环可以管理数千个并发连接而不用成千上万个线程。

二、性能优化清单

用 timeit 和 cProfile 定位瓶颈之后再做优化——不要凭感觉优化。列表推导式比 for 循环快——因为它在 C 层面执行循环。

三、类型注解

Python 3.12 的类型系统已经相当成熟——给函数签名加上类型注解之后 IDE 的自动补全和错误提示会好得多。