Python异步任务并发数控制首选asyncio.Semaphore，通过async with语义自动管理许可，避免资源耗尽；批量任务需包装限流协程，动态调整宜用aiolimiter等成熟库。
Python异步任务的并发数控制，核心在于限制同时运行的协程数量，避免资源耗尽或触发限流。最常用、最推荐的方式是使用 asyncio.Semaphore，它轻量、语义清晰、与 async/await 天然契合。
用 Semaphore 控制最大并发数
Semaphore 是 asyncio 提供的同步原语，类似“许可证池”：每次进入异步上下文前 acquire 一个许可，完成后 release 归还。超出设定数量的任务会自动等待。
- 初始化时传入最大并发数，例如
sem = asyncio.Semaphore(5)表示最多 5 个任务并发 - 在协程中用
async with sem:包裹实际耗时逻辑（如 HTTP 请求、数据库操作） - 无需手动调用 acquire/release，async with 自动处理异常安全的释放
批量提交任务时统一限流
当有大量待执行的协程（如 100 个 fetch_url 调用），不要直接 asyncio.gather(*tasks) —— 这会全部并发。应包装成受控任务：
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 定义一个带 semaphore 的包装协程：
async def limited_task(sem, coro): async with sem: return await coro - 将原始协程逐个传入包装器，生成新任务列表
- 再用
asyncio.gather执行这批受控任务
动态调整并发数（进阶场景）
某些服务需根据响应延迟或错误率动态升降并发度（如自适应限流）。此时可封装一个可变 Semaphore：
立即学习“Python免费学习笔记（深入）”；
- 继承
asyncio.Semaphore或封装其内部计数器（注意 asyncio.Semaphore._value 是私有属性，不建议直接改） - 更稳妥做法：用
asyncio.Lock保护一个共享整数变量 + 配合asyncio.Queue实现带优先级/弹性容量的任务调度器 - 生产环境推荐用成熟库如
aiolimiter，它提供 rate-limiting 语义（QPS 控制）和动态调整接口
别踩坑：常见误用与替代方案对比
有人尝试用 asyncio.wait(tasks, return_when=asyncio.FIRST_COMPLETED) 手动维护固定 size 的任务池，逻辑复杂且易出错；也有人混淆 concurrent.futures.ThreadPoolExecutor 的 max_workers（那是线程数，非协程并发数）。
- Semaphore 是协程级并发控制的黄金标准，简单可靠
- 避免在同步代码里混用 threading.Semaphore，它会阻塞 event loop
- 若需精确到每秒请求数（如 10 QPS），用
aiolimiter.AsyncLimiter(10, 1)更合适
