Какие типичные ошибки в асинхронном коде могут приводить к замедлению работы, включая забытый await?

Question

В асинхронном коде часто встречаются ошибки: использование блокирующих операций (например, time.sleep или requests) внутри async функций, забытый await при вызове корутин, из-за чего они не выполняются параллельно, а просто создаются. Также вредно запускать тяжёлые CPU-вычисления в event loop без вынесения в отдельный поток/процесс. Ещё одна типичная ошибка — слишком мелкое или наоборот слишком крупное разбиение задач: слишком много корутин создаёт накладные расходы, а слишком мало блокирует event loop. Все эти проблемы приводят к тому, что приложение теряет преимущество асинхронной модели и начинает вести себя как медленный синхронный код.

YeaHub · Accepted Answer

1. Общая идея асинхронности и где всё ломаетсяОпределение.Асинхронный код в Python — это код на основе async/await, который использует event loop для переключения между задачами во время ожидания I/O, не блокируя поток.Принцип:Пока одна корутина ждёт I/O, event loop может выполнять другую.Если внутри async функции делать блокирующие операции, event loop «замирает».2. Забытый awaitОдна из самых частых ошибок:Pythonasync def handler():
    do_work()  # ОШИБКА: забыли await
Проблема:Если do_work — корутина, без await она не запускается, а просто создаётся объект coroutine.Логика не выполняется вовремя или вообще не выполняется.Или код выполняется последовательно, а не параллельно, если мы собирались использовать asyncio.gather.Правильный вариант:Pythonasync def handler():
    await do_work()
Или, если нужно параллельно:Pythonasync def handler():
    task1 = asyncio.create_task(do_work1())
    task2 = asyncio.create_task(do_work2())
    await asyncio.gather(task1, task2)
3. Блокирующие операции внутри async функцийЧастая ошибка — использовать синхронные блокирующие вызовы:time.sleep вместо asyncio.sleep.requests.get вместо httpx.AsyncClient().get.Тяжёлые вычисления на CPU в обычном коде.Пример ошибки:Pythonimport time

async def handler():
    time.sleep(5)  # блокирует event loop на 5 секунд
Правильно:Pythonimport asyncio

async def handler():
    await asyncio.sleep(5)
Для HTTP-запросов:Неправильно: requests.get(...) в async коде.Правильно: httpx.AsyncClient().get(...) или aiohttp.4. Тяжёлые CPU-вычисления в event loopАсинхронность не ускоряет CPU-вычисления. Если в async функции делать тяжёлые операции (парсинг огромного файла, сложный цикл):Event loop не переключается на другие задачи.Все остальные запросы «замирают».Решение:Вынести тяжёлый код в отдельный поток/процесс:asyncio.to_thread.ProcessPoolExecutor.Pythonimport asyncio

def heavy_cpu():
    # тяжёлые вычисления
    ...

async def handler():
    result = await asyncio.to_thread(heavy_cpu)
    return result
5. Неправильное использование asyncio.gather и задачОшибки:Не использовать gather, когда можно параллелить независимые операции.Создавать слишком много задач (десятки тысяч одновременно), что приводит к накладным расходам.Важно:Параллелить только то, что реально может выполняться одновременно (I/O).Ограничивать количество одновременных задач (semaphore, пул).6. «Асинхронность на бумаге» — синхрон внутриИногда код формально асинхронный (async def), но внутри всё равно:Синхронный ORM (без async).Синхронные HTTP-вызовы.Синхронный драйвер Redis/кэша.В итоге:Нет выигрыша от async, а код становится сложнее.Лучше либо перейти на async-версии библиотек, либо оставить код синхронным.7. ВыводТипичные ошибки в асинхронном коде — это забытый await, использование блокирующих операций в async функциях, тяжёлые CPU-вычисления в event loop и неправильная организация параллелизма (слишком много или слишком мало задач). Все они приводят к тому, что приложение перестаёт эффективно использовать асинхронную модель и работает медленнее, чем могло бы. Чтобы этого избежать, нужно осознанно использовать await, выбирать async-библиотеки и выносить тяжёлые операции из event loop.