毫秒必争的战场#

GIL 的诅咒#

Python 的全局解释器锁 (GIL) 让多线程在 CPU 密集型任务上形同虚设。虽然在 IO 密集型（比如网络请求）上，多线程能通过切换上下文来提高效率，但线程切换本身的开销（Context Switch）在毫秒级的竞争中也是累赘。

AsyncIO 的降维打击#

asyncio 是 单线程 的。它没有线程切换的开销。它依靠 事件循环 (Event Loop) 来调度任务。

当你的代码执行 await exchange.fetch_ticker() 时，它不是在傻等网络返回，而是立刻把 CPU 控制权交还给事件循环：“大哥，我去发个请求，你先处理别的，回头好了叫我。”

这意味着，在同一个 CPU 核心上，你可以同时挂起成百上千个网络请求。

CCXT 的 pro 模式#

著名的量化库 ccxt 有一个 ccxt.pro 版本（或者启用 async 模式）。

1
import ccxt.async_support as ccxt
2
import asyncio
3

4
async def main():
5
    exchange = ccxt.binance()
6
    # 同时获取三个币种的价格，并发执行！
7
    tickers = await asyncio.gather(
8
        exchange.fetch_ticker('BTC/USDT'),
9
        exchange.fetch_ticker('ETH/USDT'),
10
        exchange.fetch_ticker('SOL/USDT')
11
    )
12
    print(tickers)
13
    await exchange.close()
14

15
asyncio.run(main())

如果是多线程，这三个请求是串行的（或者并发但有切换成本）。而在 AsyncIO 下，它们几乎是同时发出的。

结论#

如果你的策略需要监控几十个币种，或者需要极低延迟的 websocket 推送，请务必学习 async/await。虽然代码逻辑变复杂了，但那种丝滑的并发快感，会让你的机器人快人一步。