企业官网建设流程全解析

# Python asyncpg：一个数据库驱动的异步进化之路

从“等”这个字说起

写Python的时候，数据库操作往往是整个程序里最让人头疼的瓶颈。就像你去食堂打饭，如果窗口只有一个，前面的人还要磨磨蹭蹭挑三拣四，你只能干等着。传统同步数据库驱动就是这样——数据库连接少，每次查询都得等，等完了才能干下一件事。

这些年，异步编程在Python里越来越火，从asyncio到各种异步框架，大家都在想办法解决那个“等”字。但有个问题一直被回避：数据库驱动这块，异步化做得怎么样？

asyncpg就是在这样的背景下出现的。它专门给PostgreSQL做异步数据库连接，完全抛弃了同步模式，整个设计都是奔着高性能去的。说它“专为异步而生”一点不过分——整个库的底层都是用Cython写的，能直接和libpq交互，性能上碾压同类型产品。

它能做什么

asyncpg最直接的价值：让你在异步代码里访问PostgreSQL时，不用再忍受阻塞。

假如你在写一个FastAPI或aiohttp的后端服务，要处理很多并发的数据库请求。如果用传统的psycopg2，每个请求进来都得创建一个新连接，或者用连接池，但连接池在异步环境下表现得相当别扭——你得用ThreadPoolExecutor把它包裹起来，否则就会阻塞事件循环。

asyncpg直接就是协程式的：await conn.fetch()，不会阻塞事件循环。这意味着一个进程可以同时处理上千个数据库请求，而不需要开很多线程。少了很多上下文切换的开销，内存占用也小得多。

它还支持高性能的JSON操作、二进制数据的批量插入、预处理语句池等等。特别值得一提的是它的连接池实现——asyncpg.create_pool()，非常轻量，配合asyncio的事件循环用起来很顺手。

怎么上手

安装就是一行：pip install asyncpg。

连接数据库用的是asyncpg.connect()，你也可以用asyncpg.create_pool()创建一个连接池。

importasyncioimportasyncpgasyncdefmain():conn=awaitasyncpg.connect(user='postgres',password='password',database='test',host='localhost')# 查询rows=awaitconn.fetch('SELECT * FROM users WHERE id = $1',1)# 执行awaitconn.execute('INSERT INTO users (name) VALUES ($1)','张三')awaitconn.close()

注意看那个$1，这是asyncpg的参数占位符，和psycopg2的%s不同。用$1、$2这种形式更清晰，尤其在参数多的时候。

连接池更常用：

asyncdefmain():pool=awaitasyncpg.create_pool(user='postgres',password='password',database='test',min_size=5,max_size=20)asyncwithpool.acquire()asconn:rows=awaitconn.fetch('SELECT * FROM users')awaitpool.close()

pool.acquire()会从池子里拿一个连接，用完了自动归还。连接池有大小限制，能防止突发流量把数据库压垮。

一些坑和心得

第一条：别乱改连接参数

很多人图方便，直接在连接字符串里写死连接池大小、超时之类的参数。但asyncpg的有些参数必须通过connect()的命名参数传递，写在连接串里会被忽略。遇到奇怪的连接问题，先检查参数传递方式。

第二条：预处理语句记得重用

asyncpg有一个叫“预处理语句缓存”的机制。如果你重复执行相同的SQL（比如在一个循环里），可以显式使用prepare()来创建预处理语句，然后反复执行。这样性能能提升不少，因为数据库不用每次重新解析SQL。

stmt=awaitconn.prepare('INSERT INTO table (a, b) VALUES ($1, $2)')foriteminitems:awaitstmt.fetch(item.a,item.b)

第三条：关注连接泄漏

asyncpg的连接池设计得不错，但如果你不await某些操作（比如忘了在协程里acquire()连接就返回），连接就会泄漏。时间长了池子里全是僵尸连接。好在它提供了超时机制，acquire()可以设置timeout参数，超过多久没拿到连接就抛异常。

第四条：事务管理

asyncpg支持嵌套事务，但它的SAVEPOINT机制和你在SQL客户端里手动操作是不一样的。最好显式使用conn.transaction()来管理，而不是依赖隐式提交。

asyncwithconn.transaction():awaitconn.execute('UPDATE ...')# 如果有异常，自动回滚

和同类技术的对比

说到Python连接PostgreSQL的库，主要就几个选择：

psycopg2：老牌同步驱动，稳定可靠，文档丰富。但它是同步的，在异步代码里用需要额外包装。

psycopg3：psycopg2的升级版，原生支持异步，性能也不错。但它的API和asyncpg风格不同，参数绑定用的是%s。psycopg3正在逐步取代psycopg2，但目前生态还没那么成熟。

aiopg：基于psycopg2的异步包装，本质上还是在底层用同步线程做，性能不如asyncpg。

asyncpg：纯异步，Cython底层，性能是这几家里最强的。它有几个缺点：只支持PostgreSQL（不支持其他数据库），学习曲线比psycopg系列陡一点（API差异大），部分高级功能（比如LISTEN/NOTIFY）实现得不够完善。

做性能测试的时候，asyncpg在连接池、批量插入、大结果集遍历这些场景下，通常比psycopg2快3-5倍，比aiopg快更多。代价是它更“专”——如果你哪天要换数据库，就得重写整个数据层。

我倾向的选择

如果项目是新写的，而且确定只用PostgreSQL，asyncpg是毫无疑问的首选。它让异步编程真正贯彻到底，不用在异步框架里塞同步数据库代码。如果项目需要兼容多种数据库，或者团队对psycopg系列非常熟悉，选psycopg3也可以——它也在快速迭代，性能差距在缩小。

说到底，选什么工具还是看场景。但如果你在写高并发的异步服务，asyncpg值得你花时间钻研。那种不用再担心数据库操作拖慢事件循环的感觉，用过就回不去了。