Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Kedy použiť asynchrónny vs. synchrónny prístup

Lekcia 3 z 12 Aktualizované 30. júla 2026 Pokročilý
Na tejto strane
  1. Voľba nie je vždy zrejmá
  2. Kedy stačí synchrónny prístup
  3. Kedy je asynchrónny prístup nevyhnutný
  4. Pasca predčasného nasadenia asynchrónnosti
  5. Rozhodovací strom
  6. Kľúčové poznatky

Voľba nie je vždy zrejmá

Asynchrónny prístup nie je automaticky lepší než synchrónny. Každý z nich má kontexty, v ktorých vyniká, a nesprávna voľba môže skomplikovať tvoj kód bez akéhokoľvek zisku na výkone. Táto lekcia ti pomôže rozhodnúť sa, ktorý prístup prijať pre tvoju situáciu.

Kedy stačí synchrónny prístup

Synchrónny klient zostáva správnou voľbou častejšie, než by si si mohol myslieť, a dôvod je vždy rovnaký: keď paralelizmus nič nepridá, jeho zložitosť predstavuje čistú nevýhodu. Jednorazový test alebo skript na prieskum, ktorý odosiela niekoľko požiadaviek, nezíska asynchrónnym prístupom nič – na prvom mieste je jednoduchosť kódu a tento skript budeš o šesť mesiacov znova čítať. Sekvenčné pipeline, kde každá požiadavka závisí od výsledku tej predchádzajúcej, rovnako nemôžu nič paralelizovať: asynchrónny prístup by pridal syntax, ale nezmenil by čas vykonávania ani o sekundu. Rovnaká logika platí pre tradičnú aplikáciu Django: ak tvoj stack nie je asynchrónny, pridanie asyncio len pre volania API vytvorí hranicu medzi synchrónnym a asynchrónnym kódom, ktorú sa bolestivo udržiava. A vo fáze prototypovania, keď testuješ prompt alebo overuješ koncept, je synchrónny kód rýchlejší na čítanie aj písanie – presne to, čo od prototypu očakávaš.

# Synchrónne — ideálne pre sekvenčné pipeline
from openai import OpenAI

client = OpenAI(api_key=os.getenv("XAI_API_KEY"), base_url="https://api.x.ai/v1")

# Krok 1: analýza textu
analysis = client.chat.completions.create(
    model="grok-4.5",
    messages=[{"role": "user", "content": f"Analyze this text: {text}"}]
).choices[0].message.content

# Krok 2: generovanie zhrnutia na základe analýzy
summary = client.chat.completions.create(
    model="grok-4.5",
    messages=[{"role": "user", "content": f"Summary based on this analysis: {analysis}"}]
).choices[0].message.content

V tomto príklade závisí krok 2 od výsledku kroku 1. Asynchrónny prístup tu neprináša žiadnu výhodu.

Kedy je asynchrónny prístup nevyhnutný

Asynchrónny prístup sa stáva nevyhnutným hneď, ako sieťová latencia dominuje času vykonávania a požiadavky sú nezávislé. Učebnicovým prípadom je dávkové spracovanie: desiatky alebo stovky požiadaviek bez vzájomných závislostí, kde je zisk úmerný objemu – sto dvojsekundových požiadaviek trvá v sekvencii tri minúty, pri riadenom paralelizme okolo desať sekúnd. Druhý prípad nie je voľbou, ale požiadavkou: v aplikácii FastAPI alebo Starlette je framework už asynchrónny a použitie synchrónneho klienta by blokovalo slučku udalostí – každé volanie Grok by zmrazilo všetky ostatné požiadavky na tvojom serveri. Potom sú tu architektúry, ktoré sú prirodzene konkurentné: chatbot, ktorý paralelne dopytuje Grok, databázu a externé API, aby zostavil odpoveď, alebo monitorovací systém sledujúci naraz niekoľko streamov – asynchrónny prístup je tu jednoducho prirodzeným riešením problému.

# Asynchrónne — spracovanie 50 otázok paralelne
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])

Pri 50 otázkach a semafóre s hodnotou 5 spracúvaš 5 požiadaviek paralelne namiesto jednej. Ak každá požiadavka trvá 8 sekúnd, celkový čas klesne z 400 sekúnd na približne 80 sekúnd.

Pasca predčasného nasadenia asynchrónnosti

Zle navrhnutý asynchrónny kód je horší než dobre napísaný synchrónny kód. Tu sú časté chyby:

Blokovanie slučky udalostí

# ZLE: synchrónne volanie v asynchrónnej funkcii
async def bad_example():
    response = requests.get("https://api.example.com")  # blokuje všetko
    return response.json()

Knižnica requests je synchrónna. Jej volanie v korutine blokuje slučku udalostí a neguje akýkoľvek prínos asynchrónnosti. Namiesto toho použi httpx alebo aiohttp.

Zbytočná zložitosť

# ZLE: asynchrónny prístup pre jednu požiadavku
async def over_engineered():
    response = await client.chat.completions.create(...)
    return response

# Synchrónny ekvivalent, jednoduchší
def simple():
    response = client.chat.completions.create(...)
    return response

Ak máš odoslať len jednu požiadavku, asynchrónny prístup pridáva zložitosť bez úžitku.

Rozhodovací strom

Aby si si vybral medzi synchrónnym a asynchrónnym prístupom, polož si tieto otázky v poradí:

  1. Koľko požiadaviek na API odosielaš? Ak jednu alebo niekoľko v sekvencii, zostaň pri synchrónnom prístupe.
  2. Sú požiadavky nezávislé? Ak každá požiadavka závisí od predchádzajúcej, zostaň pri synchrónnom prístupe.
  3. Je tvoj framework asynchrónny? Ak áno (FastAPI, Starlette, aiohttp), použi asynchrónny prístup, aby si sa vyhol blokovaniu slučky udalostí.
  4. Je celkový čas spracovania problémom? Ak spracúvaš dávky a čas pri synchrónnom prístupe je neprijateľný, prepnite sa na asynchrónny prístup.

Kľúčové poznatky

  • Synchrónny prístup funguje pre jednoduché skripty, sekvenčné pipeline a prototypovanie
  • Asynchrónny prístup je nevyhnutný pre dávkové spracovanie, asynchrónne frameworky a paralelné požiadavky
  • Nikdy nepoužívaj synchrónne knižnice (requests) v asynchrónnom kóde
  • Zložitosť pridaná asynchrónnym prístupom musí byť opodstatnená merateľnými ziskmi
  • Začni synchrónne a prejdite na asynchrónny prístup až vtedy, keď je potreba potvrdená