Python多线程与asyncio协同实战
asyncio.run()不可在已有事件循环的线程中重复调用；多线程协程混合应使用run_in_executor或to_thread；threading.local()不适用于协程上下文，需改用contextvars；日志需避免await表达式和阻塞IO。
asyncio.run()不可在已有事件循环的线程中重复调用；多线程协程混合应使用run_in_executor或to_thread；threading.local()不适用于协程上下文，需改用contextvars；日志需避免await表达式和阻塞IO。
asyncio.run() 里不能直接启动 threading.Thread
主线程调用 asyncio.run() 后，事件循环在主线程中运行且被独占；此时若另起 threading.Thread 并在其中调用 asyncio.run()，会报 RuntimeError: asyncio.run() cannot be called from a running event loop —— 因为子线程虽独立，但如果你误在主线程的 loop 还没结束时又触发一次 asyncio.run()，就会撞上这个限制。
实操建议：
- 需要多线程 + 多协程混合时，主线程用
asyncio.run()启动主协程，再用loop.run_in_executor()把阻塞操作（如文件读写、旧版同步 SDK 调用）扔进线程池，而不是手动建Thread - 如果真要跨线程运行协程（比如从后台线程触发异步通知），得用
asyncio.run_coroutine_threadsafe(coro, loop)，并确保传入的是主线程的 loop 实例（通常需提前保存） - 避免在子线程里调用
asyncio.get_event_loop()：它在非主线程默认返回新 loop，但该 loop 未运行，直接run_until_complete()会卡住或报错
threading.local() 在 async context 下不自动隔离
Python 的 threading.local() 靠线程 ID 做数据隔离，而 asyncio 协程常在同一线程内切换执行——所以你在协程 A 里给 local.x = 1，协程 B 可能读到它，除非你显式绑定到任务生命周期。
实操建议：
- 不要依赖
threading.local()存储 request-id、db connection 等上下文敏感数据，协程调度会让它“泄漏” - 改用
contextvars.ContextVar：它感知协程切换，var.set()和var.get()自动绑定当前 task - 若必须兼容老代码，可在每个协程入口手动
local.x = copy.deepcopy(local.x)，但性能差且易漏，不推荐
asyncio.to_thread() 是 Python 3.9+ 的安全替代方案
以前常用 loop.run_in_executor(None, sync_func, *args) 做 CPU/IO 密集型操作的异步封装，但它要手动管理 loop 引用，且在 asyncio.run() 结束后 loop 已关闭，再调用会出 RuntimeError: Event loop is closed。
实操建议：
- Python 3.9+ 直接用
await asyncio.to_thread(sync_func, *args)：它自动选可用线程池，且不依赖用户传 loop，更健壮 - 注意
to_thread()仅适用于 IO 密集型或短时 CPU 操作；长耗时 CPU 计算仍应走ProcessPoolExecutor，否则会堵住整个 event loop - 3.9 以下版本可 pip 安装
anyio或手写兼容 wrapper，但别硬套run_in_executor到任意位置——尤其别在__aexit__或 signal handler 里调用，loop 可能已 teardown
logging.getLogger() 在多线程 + async 混合场景下容易丢日志
标准 logging 模块本身线程安全，但如果你在协程里用 logging.info() 打印了带 await 表达式的字符串（比如 f"result={await api_call()}"），那实际是先 await 再拼接再 log，中间可能被切走；更隐蔽的是，自定义 Handler 若含阻塞 IO（如写文件、发 HTTP），会拖慢整个 loop。
实操建议：
- 所有日志消息内容必须是纯计算结果，禁止在
logging.xxx()参数里写await或耗时表达式 - 用
logging.handlers.QueueHandler+ 后台线程消费，把 IO 移出 event loop - 想打协程上下文（如 task name、trace id），用
contextvars+ 自定义Logger.filter()注入，别靠threading.local()拼凑
协程和线程的边界比看起来薄得多，一个 await 调用背后可能藏着 loop 切换、线程池调度、context 变更——别假设“只要没用 time.sleep() 就还是 async”。
正软商城本月促销专区，汇集办公、设计、安全、影音、系统工具及AI软件等正版软件优惠活动，提供限时折扣、特价授权和优惠购买信息，活动库存及价格以页面实时展示为准。
正软商城装机必备专区，精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件，帮助用户快速完成新电脑软件配置。
正软商城Windows软件专区，汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件，提供软件介绍、系统要求、正版授权及购买下载服务。
正软商城macOS软件专区，精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具，提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。
正软商城iOS软件专区，精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用，提供功能介绍、适用设备、系统要求和正版获取方式等信息。
正软商城AI软件专区，汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具，提供功能介绍、适用平台、收费方式及正版购买信息。
正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法，同时介绍常用PDF软件和工具的使用技巧。
赤友清理大师是一款为 Mac 设计的智能清理优化工具，可精准扫描垃圾、大文件、重复文件等，释放磁盘空间。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
一款文字处理软件，一种订阅式的跨平台办公软件，基于云平台提供多种服务，通过将 Excel 和 Outlook 等应用与 OneDrive 和 Microsoft Teams 等强大的云服务相结合，Office 365 可让任何人使用任何设备随时随地创建和共享内容。
Wise Folder Hider Pro 是一款专业级文件和文件夹隐藏加密软件，为私密数据添加多重保护。高频操作更强调就近处理，浏览、整理和跨目录移动文件时，来回切换和重复点击都会少很多。
CodeExpander 是一款快捷短语输入增强工具，通过键入缩写自动展开为自定义文段，提升工作效率。任务管理和过程控制会更完整，持续下载、批量同步或需要稳定传输流程的场景会更适合它。
Mountain Duck 是一款能将多个网盘挂载到本地的工具，像本地磁盘一样使用网盘。清理链路的完整性会更好一些，做应用卸载、残留处理和空间整理时，通常能少走很多手动排查步骤。
