python asyncio事件循环时间复杂度与计划的任务数之比是多少？

对于

Linux

中的默认

事件循环

，按调度的

任务数计算的
事件循环
时间复杂度是多少

我想知道大量的
任务是否会导致性能问题

否则，
epoll
也一样，它具有
O（1）
时间复杂度？
我认为你不会找到这类事情的保证或权威文档。查看
asyncio
的源代码，可以肯定地看出，使用正确的数据结构来扩展到大量任务需要付出努力-
集合。deque
用于可运行队列，
heapq
用于超时的堆，epoll/kqueue/IOCP用于轮询等等。但软件是复杂的，唯一真正知道的方法是测量。我认为在你感觉到任何重大的时间问题之前，你更有可能首先耗尽内存。@hawkcurry你测量过吗？与占用各种操作系统资源（包括预先分配的整个堆栈）的线程不同，协同程序占用的内存很小，仅为保存生成器和相应的
任务
实例的状态所需的内存量。在一台现代计算机上，在内存耗尽之前，您可以启动数百万个协同路由，而且不明显的是，asyncio是否在大量超出合理数量的任务中进行了主动测试。如果没有其他问题，Python的循环GC将花费足够长的时间来引入明显的延迟。我还没有测量过，但在使用async时，我遇到了一些问题，asyncio会占用我很多内存。的确，协同路由的初始内存占用很小，但根据应用程序的不同，每个协同路由最终消耗的内存可能比您预期的要多得多。假设你制作了一个网络爬虫来启动几个并发的网络请求，对这些请求的响应将存储在内存中。通常情况下，我必须设置一个并发限制来处理这个问题。我不认为协同程序本身会消耗大量内存，但它的数据是伴随这些任务而来的。@hawkcurry内存问题可能因任何原因而出现，其中许多是特定于应用程序的。这个问题通常与
asyncio
有关，这是一个有趣的问题（尽管对于StackOverflow来说可能有点太宽泛）。说“您将首先耗尽内存”并不能回答这个问题，因为有些应用程序可以在内存即将耗尽之前创建大量的协同路由。