我們知道，協程本質上是單線程單進程，通過充分利用IO等待時間來實現高并發。在IO等待時間之外的代碼，還是串行運行的。因此，如果協程非常多，多少每個協程內部的串行代碼運行時間超過了IO請求的等待時間，那么它的并發就會有一個上限。

舉個例子，電飯煲煮飯，洗衣機洗衣服，熱水壺燒水，他們都是啟動設備以后就能自己運行，我們可以利用他們自己運行的時間，讓這三件事情看起來幾乎在同時進行。但如果除了這三件事情外，還有開電視，開空調，發微信……等等幾十個事情。每個事情單獨拿出來確實都只需要做個開頭，剩下的就是等，但由于做這個開頭也需要時間，因此把他們全部啟動起來也要不少時間，你的效率還是被卡住。

現在，如果有兩個人一起來做這些事情，那情況就不一樣了。一個人煮飯和燒水，另一個人開洗衣機，開電視和空調。效率進一步提升。

這就是協程與多進程的結合，每個進程里面多個協程同時運行，充分利用CPU的每一個核心，又充分利用了IO等待時間，把CPU跑滿，把網絡帶寬跑滿。強強聯合，速度更快。

有一個第三方庫aiomultiprocess，讓你能用幾行代碼就實現多進程與協程的組合。

首先使用pip安裝：

python3 -m pip install aiomultiprocess

它的語法非常簡單：

from aiomultiprocess import Pool
async with Pool() as pool:
    results = await pool.map(協程, 參數列表)

只需要3行代碼，它就會在你CPU上每個核啟動一個進程，每個進程中不停啟動協程。

我們來寫一段實際代碼：

import asyncio
import httpx
from aiomultiprocess import Pool

async def get(url):
    async with httpx.AsyncClient() as client:
        resp = await client.get(url)
        return resp.text


async def main():
    urls = [url1, url2, url3]
    async with Pool() as pool:
        async for result in pool.map(get, urls):
            print(result)  # 每一個URL返回的內容

if __name__ == '__main__':
    asyncio.run(main())

之前我寫異步協程文章的時候，有些人同學會問我，爬蟲的速度真的那么重要嗎?難道不是突破反爬蟲最重要嗎?

我的回答是，不要看到用aiohttp請求網址就覺得是做爬蟲。在微服務里面，自己請求自己的HTTP接口，也需要使用httpx或者aiohttp。在這樣的場景里面，速度就是非常的重要，有時候就是需要做到越快越好。