FastAPI中async的实际作用是什么？为何异步与同步代码表现相似？

我编写了两段FastAPI代码：

第一段异步实现代码：

from fastapi import FastAPI
import asyncio

app = FastAPI()

@app.get("/")
async def root():
    a = await asyncio.sleep(10)
    return {'Hello': 'World',}

第二段同步实现代码（未使用async关键字）：

from fastapi import FastAPI
import time
  
app = FastAPI()

@app.get("/")
def root():
    a = time.sleep(10)
    return {'Hello': 'World',}

原本以为异步代码的优势是可同时处理多个连接，但测试后发现同步代码也能做到，两者表现和性能一致，不清楚为何要使用async方法，恳请解答。

解答 #

你测试时感觉两者表现一致，核心原因是FastAPI会自动为同步函数启用线程池：当你用time.sleep(10)这种不占用CPU的阻塞操作时，线程池里的每个线程会在sleep期间让出CPU资源，让其他线程可以处理请求，所以看起来和异步协程的效果差不多。

但两者的差异在特定场景下会非常明显：

• IO密集型任务且能使用异步库时：如果你的接口需要调用异步数据库驱动、异步HTTP客户端这类工具，异步代码可以直接通过await让协程在等待IO结果时让出CPU，不需要额外创建线程，能更高效地利用服务器资源，同时处理更多并发请求。而同步函数调用异步库需要额外的线程或进程适配，反而麻烦。
• CPU密集型任务：这种场景下两者差异不大，因为Python的GIL锁限制了同一时间只有一个线程执行CPU密集操作，异步协程也没办法绕过GIL，这时候同步代码反而更简单直接。
• 资源占用：异步协程的开销远小于线程，当并发量极大时，异步架构能支撑更多请求，而线程池的线程数量有上限（默认FastAPI的线程池大小是CPU核心数*5），超过上限后新请求会排队，性能会下降。

简单说：如果你的接口大部分是等待外部资源（比如数据库、API）的IO操作，用异步+异步库能最大化性能；如果是纯计算或简单阻塞操作，同步代码足够用。

内容的提问来源于stack exchange，提问作者filtertips