Kiedy używać async, a kiedy sync
Na tej stronie
Wybór nie zawsze jest oczywisty
Async nie jest automatycznie lepszy od sync. Każde podejście ma konteksty, w których sprawdza się najlepiej, a wybór niewłaściwego może skomplikować Twój kod bez żadnej korzyści wydajnościowej. Ta lekcja pomoże Ci zdecydować, które podejście przyjąć w Twojej sytuacji.
Kiedy sync wystarczy
Klient sync pozostaje właściwym wyborem częściej, niż mogłoby się wydawać, a powód jest zawsze ten sam: gdy równoległość nic nie wnosi, jej złożoność staje się czystym kosztem. Jednorazowy test lub skrypt eksploracyjny wysyłający kilka żądań nic nie zyska dzięki async – na pierwszym miejscu stoi prostota kodu, a ten skrypt i tak przeczytasz za sześć miesięcy. Sekwencyjny potok, w którym każde żądanie zależy od wyniku poprzedniego, i tak nie pozwala na żadną paralelizację: async dodałby tylko składnię, nie zmieniając czasu wykonania nawet o sekundę. Ta sama logika dotyczy tradycyjnej aplikacji Django: jeśli Twój stos technologiczny nie jest async, dodanie asyncio wyłącznie do wywołań API stworzy granicę sync/async, którą trudno będzie utrzymać. Wreszcie, w fazie prototypowania, gdy testujesz prompt lub walidujesz koncepcję, kod sync czyta się i pisze szybciej – dokładnie tego oczekujesz od prototypu.
# Sync — idealny do sekwencyjnego potoku
from openai import OpenAI
client = OpenAI(api_key=os.getenv("XAI_API_KEY"), base_url="https://api.x.ai/v1")
# Krok 1: analiza tekstu
analysis = client.chat.completions.create(
model="grok-4.5",
messages=[{"role": "user", "content": f"Analyze this text: {text}"}]
).choices[0].message.content
# Krok 2: generowanie podsumowania na podstawie analizy
summary = client.chat.completions.create(
model="grok-4.5",
messages=[{"role": "user", "content": f"Summary based on this analysis: {analysis}"}]
).choices[0].message.content
W tym przykładzie krok 2 zależy od wyniku kroku 1. Async nie przynosi żadnych korzyści.
Kiedy async jest konieczny
Async staje się niezbędny, gdy opóźnienia sieciowe dominują nad czasem wykonania, a żądania są od siebie niezależne. Klasycznym przypadkiem jest przetwarzanie wsadowe: dziesiątki lub setki żądań bez zależności między nimi, gdzie zysk jest proporcjonalny do wolumenu – sto żądań trwających po dwie sekundy zajmie trzy minuty sekwencyjnie, a około dziesięciu sekund przy kontrolowanej równoległości. Drugi przypadek to nie wybór, lecz wymóg: w aplikacji opartej na FastAPI lub Starlette framework jest już async, więc użycie klienta sync zablokuje pętlę zdarzeń – każde wywołanie Grok zamrozi wszystkie inne żądania do Twojego serwera. Istnieją też architektury naturalnie współbieżne: chatbot odpytujący równolegle Grok, bazę danych i zewnętrzne API, aby złożyć odpowiedź, lub system monitoringu obserwujący jednocześnie kilka strumieni – async jest tu po prostu naturalnym dopasowaniem do problemu.
# Async — przetwarzanie 50 pytań równolegle
async def batch_process(questions: list[str]) -> list[str]:
sem = asyncio.Semaphore(5)
async def ask(q: str) -> str:
async with sem:
resp = await client.chat.completions.create(
model="grok-4.5",
messages=[{"role": "user", "content": q}]
)
return resp.choices[0].message.content
return await asyncio.gather(*[ask(q) for q in questions])
Przy 50 pytaniach i semaforze o wartości 5 przetwarzasz 5 żądań równolegle zamiast jednego. Jeśli każde żądanie trwa 8 sekund, całkowity czas spada z 400 sekund do około 80 sekund.
Pułapka przedwczesnego async
Źle zaprojektowany kod async jest gorszy niż dobrze napisany kod sync. Oto typowe błędy:
Blokowanie pętli zdarzeń
# ŹLE: wywołanie sync w funkcji async
async def bad_example():
response = requests.get("https://api.example.com") # blokuje wszystko
return response.json()
Biblioteka requests działa w trybie sync. Wywołanie jej w korutynie blokuje pętlę zdarzeń i niweczy wszelkie korzyści z async. Zamiast tego użyj httpx lub aiohttp.
Niepotrzebna złożoność
# ŹLE: async dla pojedynczego żądania
async def over_engineered():
response = await client.chat.completions.create(...)
return response
# Odpowiednik sync, prostszy
def simple():
response = client.chat.completions.create(...)
return response
Jeśli masz do wysłania tylko jedno żądanie, async dodaje złożoność bez żadnych korzyści.
Drzewo decyzyjne
Aby wybrać między sync a async, zadaj sobie kolejno następujące pytania:
- Ile żądań API wysyłasz? Jeśli jedno lub kilka sekwencyjnie, pozostań przy sync.
- Czy żądania są od siebie niezależne? Jeśli każde żądanie zależy od poprzedniego, pozostań przy sync.
- Czy Twój framework jest async? Jeśli tak (FastAPI, Starlette, aiohttp), użyj async, aby uniknąć blokowania pętli zdarzeń.
- Czy całkowity czas przetwarzania jest problemem? Jeśli przetwarzasz wsady, a czas w trybie sync jest nieakceptowalny, przełącz się na async.
Kluczowe wnioski
- Sync sprawdza się w prostych skryptach, sekwencyjnych potokach i prototypowaniu
- Async jest konieczny przy przetwarzaniu wsadowym, w frameworkach async i przy żądaniach równoległych
- Nigdy nie używaj bibliotek sync (
requests) w kodzie async - Złożoność wprowadzana przez async musi być uzasadniona mierzalnymi korzyściami
- Zacznij od sync, przejdź na async dopiero, gdy potrzeba zostanie potwierdzona