别被 `run_in_threadpool` 骗了，它只是个“背锅侠”！-开发者社区

如果你在写 FastAPI 或者基于 Starlette 的应用，那你一定遇到过这种进退两难的时刻：
你手里有一段祖传的同步阻塞代码（比如老旧的requests.get或者某个不支持异步的数据库驱动），但你的路由是被async def定义的“纯血异步”函数。

这时候，如果你直接把同步代码塞进去，整个异步事件循环就会像被施了定身法一样，瞬间卡死，吞吐量直接清零。

于是，你开始疯狂查阅文档，终于找到了那个金光闪闪的 API——run_in_threadpool。
你兴奋地把它包在同步代码外面，一跑，果然不卡了！你长舒一口气，以为自己完美解决了并发问题。

但真相是：你并没有解决阻塞，你只是花钱雇了个“背锅侠”。而且，如果不了解它的底细，这个背锅侠迟早会把你的服务器搞垮。

今天，我们就来扒一扒run_in_threadpool的底裤，看看这玩意儿到底是个啥。

第一幕：微波炉与傻站着的厨师

要彻底懂这其中的奥秘，我们先来复习一下“同步（Sync）”和“异步（Async）”到底有什么区别。

把我们的程序想象成一家高档餐厅，而服务器的 CPU 和主事件循环，就是这家餐厅里唯一的超级服务员。

真正的异步（比如httpx.AsyncClient）：微波炉模式
服务员接到客人的点单，把菜放进微波炉，按下 10 分钟倒计时。然后立刻转身去招呼其他几百个客人。微波炉“叮”一声响了（I/O 完成通知），服务员再去端菜。
结果：单核（一个服务员）轻松应对千万并发，没有任何人闲着。

同步阻塞（比如requests.get）：傻站着模式
服务员接到点单，把菜下锅，然后死死盯着这口锅看 10 分钟。这 10 分钟内，门外排队的几百个客人全都在骂街，因为服务员被卡住了。
结果：吞吐量暴跌，服务器“假死”。

第二幕：`run_in_threadpool`登场，背锅侠就位！

为了防止超级服务员被这口锅卡死，FastAPI 祭出了run_in_threadpool这块创可贴。

当你使用它时，到底发生了什么？这段代码奇迹般地变成微波炉了吗？
绝对没有！这道菜依然需要人站在锅边死等！

run_in_threadpool只是做了一个障眼法：
超级服务员一看这道菜要死等，为了不让自己被骂，他立刻跑到后厨，花钱雇了一个临时工（开辟了一个子线程）。

服务员对临时工说：“老哥，你帮我站在这口锅前死等 10 分钟，好了叫我哈！”
随后，超级服务员一身轻松，立刻转身回大堂继续接客了。

这，就是run_in_threadpool的真相：它并没有把同步变异步，它只是把“阻塞卡顿”的这口锅，甩给了后台新建的子线程。

对于主程序（超级服务员）来说，他不卡了；但对于这段代码本身，它依然是阻塞的。

第三幕：定时炸弹——“临时工”是有限的！

既然能雇临时工，那我把所有同步代码都用run_in_threadpool包起来，不就天下太平了？

如果你敢这么干，你的服务器离崩溃就不远了。因为这种“假异步”有一个致命的弱点：线程池的数量是有上限的。

在 FastAPI（底层依赖 anyio）中，默认的线程池大小通常是40 个。
这意味着，你的后厨最多只能容纳 40 个临时工。

假设你同时来了 40 个很慢的请求，超级服务员雇了 40 个临时工，大家都在后厨死等。
当第41 个请求来的时候，灾难发生了。
服务员回头一看：“卧槽，雇不到人了！” 此时，这第 41 个请求只能在大堂苦苦排队。
从用户的角度来看，你的服务器依然卡死了，不管你怎么刷新都在转圈。

而如果是真正的异步（微波炉模式），哪怕同时来 10000 个请求，服务员只需要把 10000 盘菜放进 10000 个微波炉按一下按钮就行了，单线程就能搞定，根本不需要雇佣临时工。

第四幕：终极禁忌——千万别让临时工干“体力活”！

如果你觉得线程池耗尽已经够惨了，那run_in_threadpool还有一个能让 Python 直接吐血的禁忌：用它来执行 CPU 密集型任务（纯粹的数值计算、图像处理等）。

这又回到了 Python 的祖传大坑——GIL（全局解释器锁）。

在同一间厨房（进程）里，有且只有一把“炒菜用的铁铲（GIL）”。

如果是 I/O 阻塞（比如等网络请求）：临时工是在“傻等”，不需要拿铁铲（会释放 GIL），超级服务员可以继续拿铁铲干活，两不相干。
如果是重度计算：临时工必须死死握住这把铁铲疯狂干活。这时候，超级服务员如果想去大堂端盘子（执行 Python 异步逻辑），就会发现铁铲被临时工抢走了！两人开始疯狂争夺同一把铁铲。

最终的结果是：你的代码不仅依然只能在一个 CPU 核心上跑，而且因为主线程和子线程疯狂抢夺 GIL，整体性能反而比不加还要慢！

总结法则：拿捏 FastAPI 并发的正确姿势

写到这里，是时候总结一波避坑口诀了：

原汤化原食：在异步框架里，永远首选原生支持 async 的第三方库（如httpx,asyncpg,aiofiles）。这是真理，是王道。
创可贴用法：如果迫不得已必须调用同步 I/O 库，并且确定并发量不高，可以用run_in_threadpool（或者直接写普通的def路由，FastAPI 底层也是放进线程池）。它能救急，但别当饭吃。
计算任务靠边站：如果你有消耗大量 CPU 的任务（视频处理、大矩阵运算），请绝对远离run_in_threadpool！正确做法是开辟全新的厨房，使用ProcessPoolExecutor或外部任务队列（如 Celery + Redis），让它们在其他多核 CPU 上奔跑。