上下文中使用异步IO
既然你已经接触了大量异步代码，不妨稍作停顿，回顾一下异步 I/O 在何种情况下是理想的选择，以及如何判断它是否适用，或者是否应该考虑其他并发模型。
什么时候使用异步IO
使用 `async def` 定义执行阻塞操作（例如标准文件 I/O 或同步网络请求）的函数，会阻塞整个事件循环，抵消异步 I/O 的优势，并可能降低程序的效率。仅在执行非阻塞操作时使用 `async def` 函数。（async def 定义的函数中执行阻塞操作，整个事件循环就会被卡住，其他协程就无法执行，异步的优势就全没了）
异步 I/O 与多进程之间的竞争并非真正的竞争。如果需要，可以同时使用这两种模型。在实践中，如果存在多个 CPU 密集型任务，多进程通常是合适的选择。
异步 I/O 与线程之间的竞争则更为直接。线程并非简单易用，即使在看似容易实现线程的场景中，也可能因竞态条件和内存使用等问题导致难以追踪的错误。
线程的扩展性通常不如异步 I/O 优雅，因为线程是一种有限的系统资源。在许多机器上，创建数千个线程可能会失败，或者会减慢代码的运行速度。相比之下，创建数千个异步 I/O 任务是完全可行的。
当存在多个 I/O 密集型任务时，异步 I/O 的优势尤为明显，这些任务如果不使用异步 I/O，将主要被阻塞等待时间所占据，例如：
网络 I/O，无论你的程序是作为服务器还是客户端运行。
无服务器架构，例如类似群聊的点对点、多用户网络。
读写操作，你希望采用类似于“发送即忘”的方式，而无需担心持有资源锁。
不使用异步 I/O 的最大原因是 await 只支持定义了特定方法的特定对象集合。例如，如果你想对某个数据库管理系统（DBMS）执行异步读取操作，那么你需要找到一个支持 async 和 await 语法的该 DBMS 的 Python 封装库。
支持异步IO的库
在 Python 中，你会找到许多高质量的第三方库和框架，它们支持或基于 `asyncio` 构建，包括用于 Web 服务器、数据库、网络、测试等的工具。以下是一些最值得关注的：
Web 框架：
FastAPI：用于构建 Web API 的现代异步 Web 框架。
Starlette：轻量级异步服务器网关接口（ASGI）框架，用于构建高性能异步 Web 应用。
Sanic：基于 asyncio 构建的高速异步 Web 框架。
Quart：与 Flask 具有相同 API 的异步 Web 微框架。
Tornado：高性能 Web 框架和异步网络库。
ASGI 服务器：
uvicorn：快速的 ASGI Web 服务器。
Hypercorn：支持多种协议和配置选项的 ASGI 服务器。
网络工具：
aiohttp：使用 asyncio 实现的 HTTP 客户端和服务器。
HTTPX：功能完备的异步和同步 HTTP 客户端。
websockets：使用 asyncio 构建 WebSocket 服务器和客户端的库。
aiosmtplib：用于发送电子邮件的异步 SMTP 客户端。
数据库工具：
Databases：与 SQLAlchemy 核心兼容的异步数据库访问层。
Tortoise ORM：轻量级异步对象关系映射器（ORM）。
Gino：基于 SQLAlchemy 核心为 PostgreSQL 构建的异步 ORM。
Motor：基于 asyncio 构建的异步 MongoDB 驱动程序。
实用工具库：
aiofiles：为异步和
await使用封装 Python 的文件 API。aiocache：支持 Redis 和 Memcached 的异步缓存库。
APScheduler：支持异步任务的调度器。
pytest-asyncio：为 pytest 添加异步函数测试支持。
这些库和框架帮助你编写高效的异步 Python 应用程序。无论是构建 Web 服务器、通过网络获取数据，还是访问数据库，像这样的 `asyncio` 工具都能让你以最小的开销同时处理多个任务。
总结
你已经对 Python 的 asyncio 库以及 async 和 await 语法有了扎实的理解，了解到异步编程如何在单个线程内高效地管理多个 I/O 密集型任务。
在学习过程中，你探讨了并发、并行、线程、多进程和异步 I/O 之间的区别。你还通过使用协程、事件循环、链式调用和基于队列的并发处理等实际示例进行了实践。此外，你还学习了高级的 asyncio 特性，包括异步上下文管理器、异步迭代器、推导式，以及如何利用第三方异步库。
掌握 asyncio 对于构建可扩展的网络服务器、Web API 或执行大量同时 I/O 密集型操作的应用程序至关重要。