FastAPI 的 async def 路由中禁用 requests.get、time.sleep()、sqlite3.connect() 等同步阻塞操作；应改用 httpx.AsyncClient、await asyncio.sleep()、aiosqlite 或 asyncpg；CPU 密集任务需用 asyncio.to_thread 或 run_in_executor；并发需用 asyncio.gather 或 create_task，避免串行 await。
async def 里调用了 requests.get 就卡住
FastAPI 的 async def 路由函数只在事件循环中“不阻塞 I/O”，但 requests 是同步阻塞式 HTTP 客户端，一调用就停住整个协程线程，其他请求全得排队等它返回。
常见错误现象：接口响应时间忽高忽低，压测时并发上不去，uvicorn 日志里看不到并发请求日志，像单线程在跑。
- 换成异步 HTTP 客户端：
httpx.AsyncClient（推荐）或aiohttp - 如果必须用
requests，得用loop.run_in_executor包一层，丢给线程池执行 -
httpx默认支持 HTTP/2 和连接复用，比requests在高并发下更稳
import httpx
@app.get("/fetch")
async def fetch_data():
async with httpx.AsyncClient() as client:
resp = await client.get("https://api.example.com/data")
return resp.json()
CPU 密集任务写在 async def 里没用
比如做图像缩放、JSON 大文件解析、加密解密、正则全文匹配——这些根本不是 I/O，而是纯 CPU 运算，async 不会加速，反而因协程调度增加开销。
使用场景：你有个 process_large_csv() 函数，输入是文件路径，输出是处理后的字典列表，但它内部用 pandas.read_csv + .apply() 做大量计算。
立即学习“Python免费学习笔记（深入）”；
- 别在
async def里直接调用，哪怕加了await也没意义 - 用
asyncio.to_thread()（Python 3.9+）或loop.run_in_executor(None, ...)拆出去 - 注意：频繁小任务用线程池反而有上下文切换成本，大任务才值得拆
import asyncio
@app.post("/analyze")
async def analyze_text(data: dict):
result = await asyncio.to_thread(process_heavy_nlp, data["text"])
return {"result": result}
async def 路由里混用 time.sleep() 或 sqlite3.connect()
这两个是典型“看着像 I/O，实则完全阻塞”的坑。time.sleep() 是纯同步休眠；sqlite3 默认也是同步磁盘操作，即使开 isolation_level=None 也挡不住锁和写入阻塞。
错误现象：一个请求 sleep 2 秒，其他所有请求都得等；多个请求同时写 sqlite，出现 database is locked 错误且响应超时。
-
time.sleep()必须换await asyncio.sleep() - SQLite 不适合高并发写，要么加 WAL 模式 + 连接池（
aiosqlite），要么切到异步数据库如asyncpg（PostgreSQL） - 如果只是读配置、查缓存，可以用
threading.local()或内存 dict +asyncio.Lock()控制访问
你以为加了 async 就自动并发了？
async 不等于并行，只是协作式并发。如果你写成串行 await a(); await b(); await c();，那三件事还是依次执行，总耗时 = a+b+c。
真正要提速，得显式并发：asyncio.gather() 或 asyncio.create_task() 启动多个协程，让它们“一起跑”。
-
gather()等全部完成，适合结果要一起返回的场景 -
create_task()更灵活，可中途取消、检查状态、按需 await - 注意：并发数太高可能触发目标服务限流，建议加
asyncio.Semaphore控制并发量
容易被忽略的一点：所有并发任务必须都是真正的异步函数（返回 Awaitable），混进一个同步调用，整组就退化成串行。
