事例1：

@app.post("/predictfunc")
async def predictfunc(item: Item):# 使用asyncio.to_thread()在單獨的線程中運行predict_in_threadresult = await asyncio.to_thread(predictfunc_main, item)return result

---

事例2：

@app.post("/remove_watermark_folder/")
async def remove_watermark_folder(folder_paths: FolderPaths):Path(folder_paths.output).mkdir(parents=True, exist_ok=True)tasks = []for filename in Path(folder_paths.input).iterdir():if filename.is_file() and filename.suffix.lower() in ['.jpg', '.png', '.jpeg']:input_path = filenamepic_name=Path(input_path).nameif len(str(input_path))>0:task = asyncio.create_task(remove_watermark(input_path, folder_paths.output+pic_name))tasks.append(task)await asyncio.gather(*tasks)return {"message": "Watermarks removed and images saved successfully."}

---

---

問題：

這兩種異步有什么區別

事例1：使用asyncio.to_thread

目的：

• 當你的異步函數中需要調用一個阻塞的、不支持異步的同步函數時（比如某些需要CPU密集型計算的任務或庫不支持異步IO的情況），asyncio.to_thread是一個非常有用的工具。它允許你將這個同步函數在單獨的線程中運行，而不會阻塞主事件循環。

特點：

• predictfunc函數接收一個Item對象作為參數，并使用asyncio.to_thread來調用predictfunc_main函數，這個函數可能是同步的且計算量較大。
• 使用await等待asyncio.to_thread的結果，這意味著主函數會暫停執行，直到predictfunc_main函數在另一個線程中完成執行。

---

事例2：使用asyncio.create_task和asyncio.gather

目的：

• 當你的異步函數中需要并行處理多個異步任務時，可以使用asyncio.create_task來創建任務，并使用asyncio.gather來等待所有任務完成。這特別適用于IO密集型任務，如文件讀寫、網絡請求等。

特點：

• remove_watermark_folder函數遍歷一個文件夾中的文件，對符合條件的圖片文件（如jpg、png、jpeg格式）并行執行去水印操作。
• 對于每個符合條件的文件，使用asyncio.create_task創建一個去水印的任務（假設remove_watermark是一個異步函數），并將這些任務添加到tasks列表中。
• 使用await asyncio.gather(*tasks)等待所有去水印任務完成。asyncio.gather會返回一個包含所有任務結果的元組，但在這個例子中，我們并沒有直接使用這個結果，而是直接返回了一個表示成功的消息。

---

總結

• 事例1適用于需要在異步函數中調用同步函數，且該函數執行時間較長或計算量較大的情況。
• 事例2適用于需要并行處理多個異步任務，特別是IO密集型任務的情況。

兩種寫法都利用了Python的異步編程特性來提高程序的效率和響應性，但適用的場景和解決的問題不同。

---

線程池方式實現異步：

在fastapi中實現異步_fastapi 異步-CSDN博客