在 Python 中实现异步执行代码且不等待某一行代码的结果，可以选择使用 `asyncio` 或者多线程技术。以下是两种方式的具体说明： ### 使用 `asyncio` `asyncio` 是一种基于事件循环的异步编程模型，在 I/O 密集型任务中有很高的效率[^1]。如果不需要等待某个协程的结果，可以直接创建该协程的任务对象而不对其进行阻塞式的等待。 #### 实现方法 可以通过 `asyncio.create_task()` 创建一个后台任务，这样即使主线程继续运行也不会被阻塞。 ```python import asyncio async def background_task(): print("Task started") await asyncio.sleep(2) # 模拟耗时操作 print("Task completed") async def main(): task = asyncio.create_task(background_task()) # 启动后台任务 print("Main function continues without waiting...") await asyncio.sleep(0.5) # 主函数可以做其他事情 print("Main function finished.") if __name__ == "__main__": asyncio.run(main()) ``` 在这个例子中，`background_task` 被启动为一个独立的任务，而 `main` 函数无需等待它的完成即可继续执行[^3]。 --- ### 使用多线程 对于 CPU 密集型或者无法轻易转换成异步的操作，可以考虑使用多线程。虽然 Python 的 GIL（全局解释器锁）会限制多线程在纯计算上的性能提升，但在处理 I/O 绑定的任务时仍然非常有用[^4]。 #### 实现方法 通过 `concurrent.futures.ThreadPoolExecutor` 来管理线程池，并提交任务到线程池中执行。 ```python from concurrent.futures import ThreadPoolExecutor import time def blocking_io(): print("Blocking IO Task Started") time.sleep(2) # 模拟耗时操作 print("Blocking IO Task Completed") def main(): executor = ThreadPoolExecutor(max_workers=5) future = executor.submit(blocking_io) # 提交任务给线程池 print("Main function continues without waiting...") time.sleep(0.5) # 主函数可以做其他事情 print("Main function finished.") if __name__ == "__main__": main() ``` 这里，`blocking_io` 方法会被放到另一个线程中执行，而主程序则不受影响地继续向下运行。 --- ### 性能比较 - 如果主要面对的是 I/O 密集型任务，则推荐优先选用 `asyncio`，因为它能够更有效地利用资源并减少上下文切换带来的开销[^4]。 - 对于混合场景下的应用，比如既有高频率的小规模网络请求又有少量的大数据量运算需求时，可能需要结合两者的优势来设计架构[^5]。 --- ### 注意事项 无论是采用哪种方案都需要考虑到异常处理的问题。例如在 `asyncio` 下未捕获的错误可能会导致整个事件循环崩溃；而在多线程环境下也需要注意共享状态的安全访问以及死锁的风险等。 ---