ЗАМЕР

bench/async-await/fire_and_forget.py

Скрипт, которым получены числа в статье, и запись прогона. Файл читается на сборке из репозитория — это тот самый код, который запускали, а не его копия.

Цитируется в статье

/ru/interview/python/async-await

Как запустить

for v in 3.11 3.12 3.13 3.14; do echo "== $v"; python$v cost.py; done

Запись прогона

Замеры для урока «async/await»

скрипт	что показывает
`identity.py`	`async def` создаёт объект того же типа `function`, но с флагом `CO_COROUTINE`; вызов возвращает корутину и НЕ выполняет тело; байт-код `await`; корутину нельзя дождаться дважды
`forgotten_await.py`	забытый `await` превращает проверку в `if <объект>` — всегда истину; когда именно печатается `RuntimeWarning` и почему `-W error` его не останавливает
`blocking.py`	пять «запросов» по 0,1 с: `asyncio.sleep` против `time.sleep` против последовательного `await`; отдельно — что происходит с остальным приложением
`groups.py`	`gather` против `TaskGroup` в момент первой ошибки: кого увидит вызывающий и кто доработает
`fire_and_forget.py`	попытка воспроизвести предупреждение из документации про потерянные задачи — и почему она не удалась
`cost.py`	цена `await` против обычного вызова, `asyncio.sleep(0)` и `create_task`

Запускать на всех версиях, которые есть:

for v in 3.11 3.12 3.13 3.14; do echo "== $v"; python$v cost.py; done

Практика урока

practice.py — источник ответов двух практических задач урока, а runs/practice.txt — дословная запись его прогона. Ответ задачи не сочиняется: сборка сверяет заявленное с этой записью (scripts/validate-practice.mjs) и не проходит, если они разошлись.

Прогон снят 30.08.2026 на CPython 3.13.7 (Clang 20.1.4). Абсолютные числа — этой машины; переносится кратность, и задача «во сколько раз» стоит именно на ней.

Кратность устойчива только потому, что формы меряются ВПЕРЕМЕЖКУ: в каждом круге меряются все, минимум для каждой берётся по кругам. Пока замеры шли подряд, просадка машины в окне одной формы целиком доставалась ей, и отношение гуляло в полтора раза от запуска к запуску (измерено на декораторах: 5,9 / 7,1 / 7,5 / 9,2). После перехода на чередование расхождение между прогонами не выходит за несколько процентов. Перезаписывать запись прогона имеет смысл только вместе с проверкой задачи: если после перезапуска ответ изменился, менять нужно задачу, а не файл.

Что здесь сравнивать можно, а что нельзя

Общее правило замеров: время между версиями не сравнивается вообще. Сравнивается только то, что измерено внутри одного запуска одного интерпретатора. Дело не только в компиляторе: 3.11 и 3.12 собраны GCC 13.3.0, 3.13.7 и 3.14.7 — Clang 20.1.4, но и эти две сборки различаются между собой, причём ровно тем флагом (--with-tail-call-interp), которому «Что нового в 3.14» приписывает «a geometric mean of 3-5% faster».

В cost.py все сравнения делаются внутри одного запуска одного интерпретатора: обычный вызов, await, asyncio.sleep(0) и create_task меряются подряд одним процессом. Такое сравнение честно всегда. Числа 3.13.7 и 3.14.7 приводятся рядом как два независимых результата, а не как сравнение.

identity.py, forgotten_await.py, groups.py и fire_and_forget.py от тулчейна не зависят вовсе: они смотрят на типы, флаги, имена инструкций, состав исключений и поведение сборщика мусора. Их вывод совпадает на всех четырёх версиях слово в слово.

blocking.py меряет время, но меряет ожидание: длительность задают таймеры ОС, а не скорость интерпретатора, и числа во всех четырёх версиях совпадают до сотых. Сравнение внутри запуска — тем более честное.

Разброс между запусками

cost.py — лучшее из семи прогонов. Три повторных запуска подряд на 3.13.7 дали 43,6 / 41,8 / 42,0 нс на обычном вызове и 5248 / 5306 / 5320 нс на create_task, то есть разброс около ±2 %. Разрыв между 3.13.7 и 3.14.7 (create_task 5,3 против 4,2 мкс) в этот разброс не укладывается, но и версией языка не объясняется: сборки различаются --with-tail-call-interp, и разделить эти два вклада здесь нечем.

blocking.py устойчив в первых трёх строках: восемь прогонов подряд дали одно и то же с точностью до 0,01 с. Четвёртая строка, asyncio.to_thread, устойчива не всегда: обычно 0,10 с и худшая пауза 10–23 мс, но в редком прогоне встречались 0,23 с и 130 мс. Это создание пула потоков, которого в первых трёх строках нет вовсе; в уроке поэтому названо «возвращает к 0,1 с», а не приведено точное число.

Отрицательный результат, который остаётся в репозитории

fire_and_forget.py пытается воспроизвести то, о чём предупреждает документация asyncio.create_task: «The event loop only keeps weak references to tasks. A task that isn't referenced elsewhere may get garbage collected at any time, even before it's done». Двести задач без единой ссылки, gc.collect() между шагами — и все двести доработали, ни одна не собрана. Причина видна там же: пока задача ждёт, на неё ссылается TaskStepMethWrapper, который держит таймер цикла, и ссылка эта сильная.

Скрипт оставлен именно поэтому. Совет из документации верен, но проверяется он не тестом: ошибка не воспроизводится по заказу, а значит, в проекте проявится однажды и не там, где её будут искать. Замер, который ничего не поймал, здесь такой же результат, как и любой другой, — и в уроке сказано ровно это, без обещания «у вас задачи пропадут».

Чего в этих замерах НЕТ

Здесь не меряется настоящая сеть. Все «запросы» — это asyncio.sleep, то есть чистое ожидание без данных. Так сделано намеренно: с настоящим сокетом в число попали бы разрешение имени, состояние канала и работа собеседника, а показать надо цену самого механизма. По той же причине нет сравнения с потоками и с процессами: это сравнение способов организовать ожидание, и ему место в статье про GIL и параллелизм, а не в уроке про синтаксис.

Скрипт

71 строк

"""Проверка предупреждения из документации — и честный результат: НЕ воспроизвелось.

В документации `asyncio.create_task` стоит предупреждение: цикл событий держит
на задачи только слабые ссылки, поэтому задача, на которую больше никто не
ссылается, может быть собрана мусорщиком прямо посреди работы. Совет —
сохранять ссылку.

Этот скрипт пытается поймать потерю в лоб: двести задач, ссылки на которые
немедленно выброшены, и `gc.collect()` между шагами. Потери не происходит, и
объяснение видно тут же — пока задача ждёт `asyncio.sleep`, на неё ссылается
таймер цикла, и ссылка эта СИЛЬНАЯ.

ЗАЧЕМ ДЕРЖАТЬ В РЕПОЗИТОРИИ ЗАМЕР, КОТОРЫЙ НИЧЕГО НЕ ПОЙМАЛ. Затем, что
отрицательный результат здесь и есть содержание: совет из документации верен,
но проверить его обычным тестом нельзя. Ошибка не воспроизводится по заказу —
значит, в проекте она проявится однажды и не там, где её ищут. Если бы этот
скрипт показывал потерю, совет был бы необязательным: хватило бы теста.

От тулчейна ничего не зависит: считаем объекты, а не время.
"""
import asyncio
import gc
import sys
import weakref

TASKS = 200
WORK = 0.02

done: list[int] = []
refs: list[weakref.ref] = []


async def worker(i: int) -> None:
    await asyncio.sleep(WORK)
    done.append(i)


async def main() -> None:
    for i in range(TASKS):
        task = asyncio.create_task(worker(i))
        refs.append(weakref.ref(task))
        del task  # ссылки не осталось ни одной — ровно то, о чём предупреждают

    collected_while_pending = 0
    # Ждём заведомо дольше, чем работают задачи, и всё это время трясём
    # сборщик мусора.
    for _ in range(10):
        gc.collect()
        collected_while_pending += sum(1 for r in refs if r() is None and len(done) < TASKS)
        await asyncio.sleep(WORK / 2)

    print("PY", sys.version.split()[0])
    print(f"    завершилось задач:              {len(done)} из {TASKS}")
    print(f"    собрано мусорщиком до финиша:   {collected_while_pending}")

    # А теперь — ЧЕМ задача удерживается, пока спит. Это и есть ответ на
    # вопрос, почему потеря не воспроизвелась.
    holder = asyncio.create_task(worker(-1))
    ref = weakref.ref(holder)
    del holder
    gc.collect()
    task = ref()
    kinds = sorted({type(r).__name__ for r in gc.get_referrers(task)}) if task else []
    print(f"    спящая задача жива после gc:    {task is not None}")
    print(f"    кто на неё ссылается:           {kinds}")
    if task is not None:
        await task


asyncio.run(main())