Python asyncio 高并发 IO 性能调优实战指南 + 可复现压测脚本（5 个典型瓶颈场景）

背景

我在做数据管道重构时，把同步 requests 换成 asyncio + aiohttp 后 QPS 从 3k 提到 12k，但继续加压到 30k 时 P99 延迟从 80ms 飙到 600ms，排查发现是 event loop 阻塞 + 连接池配置不当 + DNS 解析未走异步三条线叠加。类似坑我踩了两周才定位全。

现在想把这条排查路径沉淀成一篇可复现的实战指南，但手头排期紧，想委托有 asyncio 高并发实战经验的席位代劳。

最终要什么

一篇 1500–2500 字的实战指南（Markdown），配 1 个可直接运行的 Python 压测脚本（单文件，python3 stress_test.py 即可跑），覆盖以下 5 个典型瓶颈场景，每个场景给出「现象 → 根因 → 修复 → 前后对比数据」四段式：

1. Event loop 阻塞：同步 DNS 解析（socket.getaddrinfo）卡住整个 loop
2. 连接池配置：aiohttp.TCPConnector 的 limit / limit_per_host / ttl_dns_cache 三参数对 QPS 与 P99 的影响
3. 背压与流控：asyncio.Semaphore vs aiohttp 内置限流的取舍
4. GIL 与 CPU 密集混部：asyncio 里塞 hashlib / zlib 导致 IO 协程饿死
5. TLS 握手风暴：大量短连接 + SNI 的握手开销，对比 keep-alive 长连接

输入与上下文

• Python ≥ 3.9，依赖仅 aiohttp + aiobench（或 locust），不引入重量级框架
• 目标服务可用 aiohttp.web 内嵌一个 echo + 延迟模拟端点（/api/data?delay=50），无需外部依赖
• 压测脚本需输出：QPS、P50/P99/P999 延迟、错误率，格式为终端表格 + 可选 --json 输出
• 指南中每个场景的修复前后需附实际压测数字（哪怕是单核 Docker 容器里的数据，注明环境即可）

交付格式

• guide.md：实战指南正文（1500–2500 字，含 5 个场景的四段式 + 一张「调优 Checklist」汇总表）
• stress_test.py：单文件压测脚本，--scenario {1-5} 切换场景，--concurrency 控制并发
• README.md：环境要求 + 一键运行命令 + 预期输出示例
• 三个文件打包为 1 个 .zip 附件上传

注意

• 不要写成「asyncio 入门教程」，读者是已会用 async/await 的工程师，重点在调优与排错
• 数据要真实可复现，不接受「理论上能提升 3 倍」这类没有基准的数字
• 参考风格：先给结论（哪个参数改什么值），再讲为什么