在前 15 天，我們已經打好了「能跑、能測、能控管」的工程基礎：環境一致性、依賴管理、測試藍圖、日誌、錯誤處理、序列化格式…專案算是能穩穩上線了。

但實務開發裡，還有一個經常被忽略的維度：效能與併發。尤其是 I/O 密集的應用（API 服務、資料抓取、排程任務），如果還在用傳統同步方式，效能會被白白綁死。

今天，我們就來談 Python 世界的非同步基礎，從 asyncio 到 anyio，帶你理解為什麼「寫得動」和「寫得對」差這麼遠。

為什麼要非同步？

先把誤解拆掉：

• 非同步 不是 多核心並行（那是 multiprocessing）。
• 非同步 不是 平行線程（那是 threading）。

它的目標很單純：用一個執行緒，切換不同 I/O 任務，讓 CPU 不要傻等。

典型場景：

• 呼叫外部 API，要等 200ms 回應。
• 查詢資料庫，I/O 卡了 300ms。

如果同步執行，這 500ms CPU 幾乎閒著發呆。用非同步，這段時間可以讓別的請求先跑，效能直接翻倍甚至數倍。

asyncio：官方解法

asyncio 是 Python 3.5+ 就內建的非同步框架，也是大多數現代框架（FastAPI、httpx）的基礎。

最小範例：

import asyncio
import httpx

async def fetch(url: str) -> str:
    async with httpx.AsyncClient() as client:
        resp = await client.get(url)
        return resp.text[:50]

async def main():
    urls = ["https://example.com"] * 5
    tasks = [fetch(u) for u in urls]
    results = await asyncio.gather(*tasks)
    print(results)

asyncio.run(main())

關鍵心法：

1. async def 宣告非同步函式。
2. await 暫停等待，不會卡住 event loop。
3. gather 一次跑多個 coroutine。

👉 適合場景：高併發 I/O（API gateway、爬蟲、聊天伺服器）。

anyio：抽象層 + 心靈救贖

雖然 asyncio 是官方標配，但它的 API 偏低階，寫起來容易踩坑。這時候就輪到 anyio 出場。

anyio 提供一層抽象，能同時支援 asyncio / trio，並加上更友善的 API，讓開發者少掉許多 boilerplate。

範例：並行執行多個 task

import anyio
import httpx

async def fetch(url: str) -> str:
    async with httpx.AsyncClient() as client:
        resp = await client.get(url)
        return resp.text[:30]

async def main():
    async with anyio.create_task_group() as tg:
        for i in range(5):
            tg.start_soon(fetch, "https://example.com")

anyio.run(main)

心法：

• TaskGroup：用來管理並行任務，類似「非同步版 with context」。
• 自動錯誤傳播：子任務錯誤會回傳，不會默默吞掉。
• 跨生態：FastAPI、Starlette、Trio 都能用，降低綁定。

👉 適合場景：需要乾淨錯誤處理、複雜任務調度的專案。

async/await 的工程化注意事項

1. 不要混雜同步阻塞

   在 async 函式裡呼叫同步的 requests.get()，等於整個 loop 都被卡死。解法是換成非同步版（httpx、aiosqlite 等），或把同步呼叫丟進 anyio.to_thread.run_sync。

2. 測試要 async-friendly

   pytest 提供 pytest-asyncio plugin，讓你可以直接寫：

   @pytest.mark.asyncio
   async def test_fetch():
       result = await fetch("https://example.com")
       assert "Example" in result
   
   

3. 結合 Nox / Hatch

   在 Day 8 建立的一鍵化工作流，可以加一個 async 測試環境：

   [tool.hatch.envs.async]
   dependencies = ["pytest", "pytest-asyncio", "httpx", "anyio"]
   [tool.hatch.envs.async.scripts]
   test = "pytest -q tests/async"
   
   

4. 例外處理要設計

   延續 Day 14 的心法，非同步程式更容易遇到外部失敗（timeout、連線斷掉）。記得搭配 tenacity 或 TaskGroup 的錯誤傳播機制，避免整個系統直接崩。

專案整合：從同步 → 非同步

延續 Day 4 的目錄結構，可以加一個 async 模組：

my_project/
├─ src/my_project/
│   ├─ __init__.py
│   ├─ core.py
│   ├─ async_ops.py      # 放置非同步 I/O
│   └─ adapters/
│       └─ web.py        # FastAPI / httpx 用非同步
└─ tests/
    └─ async/
        └─ test_async_ops.py

這樣就能把「效能關鍵」的 I/O 操作集中管理，未來要擴展也比較安全。

結語

非同步不是銀彈，但在 I/O 密集場景，它就是讓 Python 撐住高併發的核心解法。

• asyncio：官方內建，足以應付 80% 的場景。
• anyio：更乾淨的抽象，幫你少掉許多坑。

工程化的 Python，不只要「能跑」，還要「跑得有效率」。把非同步納進工具箱，才算真的踏進現代後端的世界 🚀。

明天 Day 17，我們會進一步探討效能觀測：cProfile、py-spy、line-profiler，讓你不只是盲目加 async，而是能用數據說話。