在 Python 中实现异步执行耗时代码且不阻塞后续代码的执行，可以借助 `asyncio` 和多线程技术。以下是详细的解决方案和注意事项。 ### 使用 `asyncio` 实现异步执行 `asyncio` 是一种基于事件循环的异步编程框架，适用于 I/O 密集型任务[^3]。通过定义协程函数并使用 `await` 挂起其执行，可以让程序在等待耗时操作的同时继续执行其他任务。 #### 示例代码 ```python import asyncio async def long_running_task(): print("Long-running task started") await asyncio.sleep(5) # 模拟耗时操作 print("Long-running task completed") async def main(): # 创建一个后台任务，不等待其结果 task = asyncio.create_task(long_running_task()) # 后续代码立即执行 print("Continuing with the rest of the code...") await asyncio.sleep(1) # 假设还有其他非阻塞操作 print("Rest of the code executed.") # 运行主协程 if __name__ == "__main__": asyncio.run(main()) ``` 在此示例中，`long_running_task` 被作为后台任务启动，而 `main` 函数中的其余部分不会因它而被阻塞[^2]。 --- ### 使用多线程处理 CPU 密集型任务 对于 CPU 密集型任务，由于 Python 的全局解释器锁（GIL），单线程环境下的 `asyncio` 并不能有效提高性能。此时可结合多线程或 `concurrent.futures.ThreadPoolExecutor` 来解决这个问题[^4]。 #### 示例代码 ```python from concurrent.futures import ThreadPoolExecutor import time def cpu_bound_task(): print("CPU-bound task started") time.sleep(5) # 模拟耗时操作 print("CPU-bound task completed") def main(): # 使用线程池执行耗时任务 with ThreadPoolExecutor() as executor: future = executor.submit(cpu_bound_task) # 后续代码立即执行 print("Continuing with the rest of the code...") time.sleep(1) # 假设还有其他非阻塞操作 print("Rest of the code executed.") if __name__ == "__main__": main() ``` 此代码片段展示了如何在线程池中运行耗时任务，同时让主线程继续执行其他逻辑[^4]。 --- ### 注意事项 - **异常处理**：无论使用 `asyncio` 或多线程，都应妥善处理可能出现的异常情况。例如，在 `asyncio` 中可通过捕获 `task.exception()` 获取后台任务抛出的异常。 - **资源管理**：当涉及多个并发任务时，需注意合理分配系统资源，防止过度消耗内存或其他硬件资源。 - **适用场景选择**：I/O 密集型任务建议优先考虑 `asyncio`，而对于 CPU 密集型任务，则更适合采用多线程或多进程的方式[^4]。 --- ### 总结 通过以上方法可以在 Python 中轻松实现异步执行耗时代码的功能，使程序更加高效灵活。具体实现方式取决于任务类型及其特性。