知识点思维导图
21 个知识节点
Python 面试题（02） - 异步、并发与性能面试题
读完后，你应能完成以下任务：
- 绘制“Python 面试题（02） - 异步、并发与性能面试题 / GIL 意味着 Python 线程没有用吗？”的关键对象与数据流，解释“但线程仍适合会释放 GIL 的 I/O 和原生扩展。”，并用源码位置、日志或 Trace 标注证据。
- 为“Python 面试题（02） - 异步、并发与性能面试题 / asyncio 为什么能提高 I/O 并发？”设计正常与异常输入，验证“并发必须用 Semaphore 限制，否则会把压力转移到连接池和下游。”，输出首个偏差位置与回归测试结果。
- 实现“Python 面试题（02） - 异步、并发与性能面试题 / 协程取消和超时为什么是正确性问题？”的最小代码或配置，检验“代码必须清理资源并通常继续传播取消。”，输出命令、结果与 Diff，并说明不适用边界。
面试回答不能停在名词解释。
一、先建立全局：异步、并发与性能面试题 是什么？
理解“异步、并发与性能面试题”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。
“异步、并发与性能面试题”的第一个核心判断是：但线程仍适合会释放 GIL 的 I/O 和原生扩展。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。
| 顺序 | 章节 | 读完本节应抓住的结论 |
|---|---|---|
| 1 | GIL 意味着 Python 线程没有用吗？ | 但线程仍适合会释放 GIL 的 I/O 和原生扩展。 |
| 2 | asyncio 为什么能提高 I/O 并发？ | 并发必须用 Semaphore 限制，否则会把压力转移到连接池和下游。 |
| 3 | 协程取消和超时为什么是正确性问题？ | 代码必须清理资源并通常继续传播取消。 |
| 4 | 线程池、进程池和协程如何选？ | 混合系统需统一超时、取消和观测上下文，不能从异步请求无限提交后台任务。 |
| 5 | Python 性能问题应如何定位？ | 简洁答案： 先用端到端延迟和资源指标确认瓶颈， |
| 6 | 场景题答题框架 | 先固定现象、时间、版本、输入和影响范围， |
1.1 核心对象之间怎样衔接
flowchart LR
S1["GIL 意味着 Python 线程没有用吗？"] --> S2
S2["asyncio 为什么能提高 I/O 并发？"] --> S3
S3["协程取消和超时为什么是正确性问题？"] --> S4
S4["线程池、进程池和协程如何选？"] --> S5
S5["Python 性能问题应如何定位？"]
这张图只表达本文的讲解顺序，不替代正文机制。判断“异步、并发与性能面试题”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。
1.2 再看失败：问题最早会出现在哪一步？
在“异步、并发与性能面试题”的对象和顺序已经明确后，再看可观察的失败：只看均值、耗时未分段或吞吐以正确率为代价。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。
二、GIL 意味着 Python 线程没有用吗？
简洁答案： 不是； 在常见 CPython 构建中 GIL 限制同一解释器内 Python 字节码并行， 但线程仍适合会释放 GIL 的 I/O 和原生扩展。
深入说明： CPU 密集纯 Python 可用多进程、原生扩展或任务队列； I/O 密集可选线程或 asyncio。 选择要考虑序列化、共享状态、上下文切换与部署限制，并基于目标解释器版本和真实负载测量。
继续追问： 自由线程 CPython 的出现会改变哪些假设， 又不会自动解决哪些数据竞争？
三、asyncio 为什么能提高 I/O 并发？
简洁答案： 事件循环在协程等待非阻塞 I/O 时切换到其他就绪任务， 减少大量线程等待成本。
深入说明： async 并不会让阻塞函数自动非阻塞； 同步数据库驱动、requests 或 CPU 循环会卡住整个事件循环， 应替换异步库、放入受控线程池或移出进程。 并发必须用 Semaphore 限制，否则会把压力转移到连接池和下游。
继续追问： 如何开启 asyncio debug 并定位阻塞事件循环的回调？
四、协程取消和超时为什么是正确性问题？
简洁答案： 取消会在 await 点抛出 CancelledError， 代码必须清理资源并通常继续传播取消。
深入说明： 吞掉取消会让请求超时后后台仍继续写数据。 使用 asyncio.timeout 或 TaskGroup 建立结构化并发， 父任务失败时取消兄弟任务并等待清理； finally 中释放锁和连接，关键提交阶段才谨慎 shield，并设置独立上限。
继续追问： gather 与 TaskGroup 在异常传播和兄弟任务取消上有何不同？
五、线程池、进程池和协程如何选？
简洁答案： 阻塞 I/O 可用受控线程池， CPU 密集且可序列化任务用进程池， 大量异步 I/O 用协程。
深入说明： 线程池要有队列和下游并发限制； 进程池有启动、序列化和内存复制成本，fork 后连接不可安全复用。 混合系统需统一超时、取消和观测上下文，不能从异步请求无限提交后台任务。
继续追问： 为什么把每个请求都提交到默认线程池可能导致全局饥饿？
六、Python 性能问题应如何定位？
简洁答案： 先用端到端延迟和资源指标确认瓶颈， 再按 CPU、等待、分配和 I/O 使用合适剖析工具。
深入说明： cProfile 适合函数级 CPU， py-spy 可低侵入采样， tracemalloc 追踪 Python 分配； 数据库慢查询和网络 Trace 不能由 CPU profiler 替代。 优化前后保持相同输入和环境，关注 p95/p99、吞吐与错误率，避免微基准误导。
继续追问： 如何区分事件循环阻塞、连接池等待和数据库执行慢？
七、场景题答题框架
遇到生产排障或系统设计题， 先固定现象、时间、版本、输入和影响范围， 再沿调用链寻找第一个异常事实。 不能只说“加缓存”“上微服务”或“扩容”。
八、动手验证：先跑通 异步、并发与性能面试题，再改变一个变量
前面的章节已经建立问题、概念和机制。现在把“异步、并发与性能面试题”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。
8.1 基线与候选只允许一个变量不同
验证“异步、并发与性能面试题”时，先固定请求集、Token 分布、并发梯度、模型和机器版本。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。
执行“异步、并发与性能面试题”时，动作是：执行冷启动与稳态压测，拆分排队、Prefill、Decode。原始结果不能只保留截图或汇总分数，必须同步保存：P95/P99、TTFT、tokens/s、错误率、缓存率、成本，使下一次复查可以在同一输入上重放。
| 实验要素 | 本文要求 |
|---|---|
| 固定条件 | 固定请求集、Token 分布、并发梯度、模型和机器版本 |
| 唯一变量 | 本次候选方案与基线之间的一项明确差异 |
| 原始证据 | P95/P99、TTFT、tokens/s、错误率、缓存率、成本 |
| 通过阈值 | 质量不降，峰值并发仍满足延迟与成本预算 |
| 立即停止 | 只看均值、耗时未分段或吞吐以正确率为代价 |
8.2 执行前先排除不可比较条件
“异步、并发与性能面试题”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。
- 基线能够在“异步、并发与性能面试题”的当前环境重复运行。
- 候选只改变一个与“异步、并发与性能面试题”结论直接相关的条件。
- “异步、并发与性能面试题”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
- “异步、并发与性能面试题”的原始输出和失败现场不会被重试、格式化或汇总覆盖。
8.3 执行后先核对证据完整性
结果出来后先检查证据，再讨论“异步、并发与性能面试题”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。
| 检查项 | 当前文章的判定 |
|---|---|
| 输入可追溯 | 固定请求集、Token 分布、并发梯度、模型和机器版本 |
| 过程可回放 | 执行冷启动与稳态压测，拆分排队、Prefill、Decode |
| 结果可审计 | P95/P99、TTFT、tokens/s、错误率、缓存率、成本 |
“异步、并发与性能面试题”的一次合格基线对照按以下顺序执行：
- 保存“异步、并发与性能面试题”基线版本及输入摘要，确认基线本身可以重复运行。
- 写下“异步、并发与性能面试题”候选方案唯一变化的变量，以及它预期影响的指标。
- 在同一环境执行“异步、并发与性能面试题”：执行冷启动与稳态压测，拆分排队、Prefill、Decode。
- 为“异步、并发与性能面试题”保存：P95/P99、TTFT、tokens/s、错误率、缓存率、成本。
- 使用“异步、并发与性能面试题”预登记条件判断：质量不降，峰值并发仍满足延迟与成本预算。
- 如果“异步、并发与性能面试题”未通过，不修改第二个变量，先恢复基线并保留失败现场。
九、用一张矩阵验证 异步、并发与性能面试题 的关键结论
矩阵按正文顺序列出“异步、并发与性能面试题”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。
| 正文章节 | 已解释的结论 | 本轮唯一变量 | 必须保存的证据 |
|---|---|---|---|
| GIL 意味着 Python 线程没有用吗？ | 但线程仍适合会释放 GIL 的 I/O 和原生扩展。 | 只改变与“GIL 意味着 Python 线程没有用吗？”相关的条件 | P95/P99、TTFT、tokens/s、错误率、缓存率、成本 |
| asyncio 为什么能提高 I/O 并发？ | 并发必须用 Semaphore 限制，否则会把压力转移到连接池和下游。 | 只改变与“asyncio 为什么能提高 I/O 并发？”相关的条件 | P95/P99、TTFT、tokens/s、错误率、缓存率、成本 |
| 协程取消和超时为什么是正确性问题？ | 代码必须清理资源并通常继续传播取消。 | 只改变与“协程取消和超时为什么是正确性问题？”相关的条件 | P95/P99、TTFT、tokens/s、错误率、缓存率、成本 |
| 线程池、进程池和协程如何选？ | 混合系统需统一超时、取消和观测上下文，不能从异步请求无限提交后台任务。 | 只改变与“线程池、进程池和协程如何选？”相关的条件 | P95/P99、TTFT、tokens/s、错误率、缓存率、成本 |
| Python 性能问题应如何定位？ | 简洁答案： 先用端到端延迟和资源指标确认瓶颈， | 只改变与“Python 性能问题应如何定位？”相关的条件 | P95/P99、TTFT、tokens/s、错误率、缓存率、成本 |
| 场景题答题框架 | 先固定现象、时间、版本、输入和影响范围， | 只改变与“场景题答题框架”相关的条件 | P95/P99、TTFT、tokens/s、错误率、缓存率、成本 |
9.1 记录本次实际实验
下面的记录用于“异步、并发与性能面试题”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。
topic: "异步、并发与性能面试题"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "执行冷启动与稳态压测，拆分排队、Prefill、Decode"
evidence: "P95/P99、TTFT、tokens/s、错误率、缓存率、成本"
pass_when: "质量不降，峰值并发仍满足延迟与成本预算"
stop_when: "只看均值、耗时未分段或吞吐以正确率为代价"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure
9.2 边界实验必须证明能够停止和恢复
成功路径只能证明“异步、并发与性能面试题”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：只看均值、耗时未分段或吞吐以正确率为代价，并观察系统是否在产生不可逆副作用前停止。
| 场景 | 只改变什么 | 应保存什么 | 通过标准 |
|---|---|---|---|
| 正常路径 | 使用已知有效输入 | P95/P99、TTFT、tokens/s、错误率、缓存率、成本 | 质量不降，峰值并发仍满足延迟与成本预算 |
| 边界路径 | 把一个输入推进到约束临界值 | 临界值前后的输出与指标 | 不静默降级，不把部分结果冒充成功 |
| 明确失败 | 注入：只看均值、耗时未分段或吞吐以正确率为代价 | 原始错误、首个异常阶段和最终状态 | 失败被正确分类且没有扩大副作用 |
| 恢复重放 | 执行：调整上下文、批处理、缓存或路由，保留旧配置回滚 | 原失败样本的复测证据 | 原样本恢复，正常样本没有回归 |
恢复动作不是简单重启。对于“异步、并发与性能面试题”，第一步是：调整上下文、批处理、缓存或路由，保留旧配置回滚。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。
“异步、并发与性能面试题”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。
十、异步、并发与性能面试题 的结果解释
解释“异步、并发与性能面试题”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。
| 观察结果 | 可以支持的判断 | 下一步 |
|---|---|---|
| 主链路没有达到预期 | 只看均值、耗时未分段或吞吐以正确率为代价 | 先执行：调整上下文、批处理、缓存或路由，保留旧配置回滚 |
| 异常链路无法恢复 | 只看均值、耗时未分段或吞吐以正确率为代价 | 先执行：调整上下文、批处理、缓存或路由，保留旧配置回滚 |
| 新样本成功但原样本仍失败 | 修复没有覆盖原始触发条件 | 固定原失败输入，恢复基线后重新比较 |
| 指标改善但证据无法回链 | 数据、版本或中间状态没有固定 | 暂停发布，补齐可追溯记录后重跑 |
“异步、并发与性能面试题”只有同时满足“质量不降，峰值并发仍满足延迟与成本预算”，并且没有出现“只看均值、耗时未分段或吞吐以正确率为代价”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。
如果“异步、并发与性能面试题”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。
“异步、并发与性能面试题”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。
十一、异步、并发与性能面试题 的发布判断
发布判断需要把“异步、并发与性能面试题”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。
- “异步、并发与性能面试题”的基线与候选只存在一个计划内变量。
- “异步、并发与性能面试题”的输入、代码、依赖、配置和数据版本可以追溯。
- “异步、并发与性能面试题”的正常、临界、失败和恢复样本使用同一套断言。
- “异步、并发与性能面试题”的原始输出、中间状态和失败现场已经保留。
- “异步、并发与性能面试题”的日志、Trace、截图和测试数据已经脱敏。
- “异步、并发与性能面试题”的停止条件、负责人和回滚入口已经演练。
- “异步、并发与性能面试题”尚未覆盖的输入、权限、容量和外部依赖已经登记。
最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“异步、并发与性能面试题”的判断，就不能发布。
十二、总结
- GIL 意味着 Python 线程没有用吗？：在常见 CPython 构建中 GIL 限制同一解释器内 Python 字节码并行，但线程仍适合会释放 GIL 的 I/O 和原生扩展。
- asyncio 为什么能提高 I/O 并发？：并发必须用 Semaphore 限制，否则会把压力转移到连接池和下游。
- 协程取消和超时为什么是正确性问题？：简洁答案： 取消会在 await 点抛出 CancelledError，代码必须清理资源并通常继续传播取消。
- 线程池、进程池和协程如何选？：混合系统需统一超时、取消和观测上下文，不能从异步请求无限提交后台任务。
- Python 性能问题应如何定位？：简洁答案： 先用端到端延迟和资源指标确认瓶颈，再按 CPU、等待、分配和 I/O 使用合适剖析工具。
学完自测
选择所有正确答案；提交后逐项核对判断依据。