Flask 3.0 原生支持 async 路由，需搭配 ASGI 服务器（如 uvicorn）运行，禁用 flask run；同步与异步路由可共存；异步视图中须用真正异步 I/O 操作，避免阻塞事件循环。
Flask 3.0 的路由函数可以直接用 async 定义
Flask 3.0 原生支持 async 路由，不需要额外包装或中间件。只要运行在支持异步的 ASGI 服务器（如 uvicorn 或 hypercorn）上，async def 视图函数就能被正确调度执行。
关键前提是：不能用 Flask 自带的 flask run（它只启动 WSGI 开发服务器，不支持 async）。否则会报错：RuntimeWarning: Running asyncio.run() in a running event loop，甚至直接阻塞或崩溃。
- 必须用
uvicorn myapp:app启动（myapp.py中定义了app实例） -
app实例无需修改，Flask 3.0 自动识别async def视图并交由 ASGI 生命周期管理 - 同步路由和异步路由可在同一应用中混用，Flask 内部会分别处理
异步视图里调用 I/O 操作要选对方式
协程函数里不能直接调用普通同步阻塞函数（比如 requests.get()、sqlite3.connect()），否则会阻塞整个事件循环。必须用真正异步的替代方案。
- HTTP 请求：改用
httpx.AsyncClient或aiohttp.ClientSession，而不是requests - 数据库：用
asyncpg（PostgreSQL）、aiosqlite（SQLite）、或 SQLAlchemy 2.0+ 的async_engine配合await session.execute() - 文件读写：避免
open()，改用anyio.Path或aiopath；日志写入也需注意，logging默认是同步的，高并发下建议用structlog+ 异步 handler 或写入队列
示例：
Secure Python Code Sandbox
下载
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
立即学习“Python免费学习笔记（深入）”；
@app.route("/fetch")
async def fetch_data():
async with httpx.AsyncClient() as client:
resp = await client.get("https://httpbin.org/delay/1")
return resp.json()
别在 async 视图里调用 time.sleep() 或其他同步阻塞操作
time.sleep() 是纯同步阻塞，会卡住整个事件循环，导致所有并发请求停滞。这是新手最容易踩的坑。
- 要用
await asyncio.sleep(1)替代time.sleep(1) - 第三方库若没提供异步接口，又必须调用，可用
asyncio.to_thread()（Python 3.9+）把同步函数扔进线程池执行，例如：await asyncio.to_thread(json.loads, text) - 但注意：
to_thread不解决 CPU 密集型问题，只是“不卡 event loop”；真有大量计算，应考虑ProcessPoolExecutor或提前离线处理
调试时要注意 request context 在 async 环境下的生命周期
Flask 的 request 对象在 async 视图中仍是可用的，但它不是线程局部，而是协程局部（由 contextvars 维护）。这意味着你在 await 调用后仍能安全访问 request.args、request.json 等——只要没跨协程边界手动切换上下文。
- 不要在
async def里启动新线程并试图在其中读request，会抛RuntimeError: Working outside of request context - 自定义装饰器若涉及
await，需确保它不破坏request的 contextvar 传播（比如没用contextvars.copy_context()正确传递） -
g对象同样基于contextvars，可照常使用，但它的生命周期只到当前请求协程结束
复杂点在于：一旦你 mix 了 asyncio.create_task() 或后台任务，request 和 g 就不可用了——它们不随 task 自动继承。这种场景得显式传参或用独立状态管理。
