协程内存开销低、切换快、不受GIL限制、共享状态安全；一个asyncio.Task仅几KB，切换纳秒级，无锁竞争，10万连接稳定，而线程栈1–8MB、切换微秒级、受GIL制约、需加锁，5000并发即抖动。
协程的内存开销远低于线程
一个 Python 线程默认栈空间约 1–8 MB（取决于系统），启动 1000 个线程就可能吃掉 1–8 GB 内存；而一个 asyncio.Task 初始仅占用几 KB，1000 个协程通常只占几 MB。爬虫场景下动辄并发数千请求，线程堆叠直接导致内存暴涨甚至 OOM，协程则稳住不动。
协程切换是用户态，线程切换要进内核
线程每次切换需保存寄存器、页表、栈指针等，涉及用户态→内核态→用户态，耗时在微秒级；协程由 asyncio 在用户态调度，只保存少量执行上下文（如当前 await 点和局部变量），切换开销在纳秒级。对高频 I/O 场景（比如每秒数百次 HTTP 请求），这个差异会指数级放大。
GIL 对协程完全无影响，但严重制约多线程
CPython 的 GIL 让多线程无法并行执行 Python 字节码——哪怕你开了 20 个 threading.Thread，同一时刻也只有一个在跑。爬虫虽属 I/O 密集型，但解析 HTML、正则匹配、JSON 解析等环节仍是 CPU 操作，GIL 会让这些任务排队执行。协程运行在单线程内，不争抢 GIL，所有 await 后的 CPU 工作都是顺序执行，反而更可控、无锁竞争。
协程天然共享状态，线程必须加锁
爬虫常需要统计成功数、写入共享缓存、去重 URL 集合。协程间操作 counter += 1 或 seen_urls.add(url) 完全安全——因为没有真正并发，只是交替执行。多线程则必须用 threading.Lock 包裹，否则极易出现竞态，而锁本身又带来阻塞和死锁风险。这不是“可以不加”，而是“不加就错”。
立即学习“Python免费学习笔记（深入）”；
协程节省资源不是抽象概念，是每个asyncio.create_task() 比 threading.Thread() 少分配几 MB 内存、少触发一次内核调用、少写一行 with lock: 的具体累积。实际部署时，协程能轻松撑住 10 万连接，线程在 5000 并发左右就开始抖动——这个临界点，往往就是你没注意到的内存碎片或调度延迟。 
