如何正确实现start_analysis()函数的100次并行执行？

你的代码现在是串行执行的，原因有两个：

1. 每次循环调用asyncio.run()，会新建并销毁一个事件循环，每次只执行一个start_analysis任务，完全没有并行效果。
2. start_analysis里的func_1/2/3都是同步调用，没有await关键字，即使放到同一个事件循环里，也会阻塞整个循环，无法切换到其他任务。

根据你的需求，分两种场景处理：

场景1：func是IO密集型（比如文件读写、网络请求） #

把同步函数包装成可异步等待的任务，同时一次性创建所有任务，让事件循环调度它们并行执行：

import asyncio

async def start_analysis(trial, data):
    ranges = generate_ranges()

    # 用asyncio.to_thread把同步IO函数包装成异步任务，允许事件循环切换
    res_1 = await asyncio.to_thread(func_1, ranges)
    res_2 = await asyncio.to_thread(func_2, ranges)
    res_3 = await asyncio.to_thread(func_3, ranges)

    map_results(trial, res_1, res_2, res_3)

async def main():
    data = retrieve_data()
    # 批量创建100个异步任务
    tasks = [start_analysis(trial, data) for trial in range(1, 101)]
    # 等待所有任务完成
    await asyncio.gather(*tasks)

if __name__ == "__main__":
    asyncio.run(main())

场景2：func是CPU密集型（比如大量计算） #

asyncio单线程异步无法利用多核CPU，这时候用多进程并行才是最高效的：

from multiprocessing import Pool

def start_analysis(trial):
    # 数据量大的话建议在主进程读取后传入，避免子进程重复加载
    data = retrieve_data()
    ranges = generate_ranges()

    res_1 = func_1(ranges)
    res_2 = func_2(ranges)
    res_3 = func_3(ranges)

    map_results(trial, res_1, res_2, res_3)

def main():
    # 进程池默认使用CPU核心数，可手动指定参数如Pool(8)
    with Pool() as pool:
        # 并行执行100次任务
        pool.map(start_analysis, range(1, 101))

if __name__ == "__main__":
    main()

• 用asyncio实现并行的核心是：在同一个事件循环中创建多个任务，且任务中有可等待的异步操作（await），这样事件循环才能在等待时切换到其他任务。
• 如果func_1/2/3本身就是异步函数（定义为async def），直接调用await func_xxx(ranges)即可，无需to_thread包装。

内容的提问来源于stack exchange，提问作者HEIWO78