Python asyncio.to_thread（）方法与ThreadPoolExecutor不同吗？

我看到asyncio.to_thread方法被添加到@Python3.9+，它的描述说它在一个单独的线程上运行阻塞代码，以便立即运行。见下例：

def blocking_io():
    print(f"start blocking_io at {time.strftime('%X')}")
    # Note that time.sleep() can be replaced with any blocking
    # IO-bound operation, such as file operations.
    time.sleep(1)
    print(f"blocking_io complete at {time.strftime('%X')}")

async def main():
    print(f"started main at {time.strftime('%X')}")

    await asyncio.gather(
        asyncio.to_thread(blocking_io),
        asyncio.sleep(1))

    print(f"finished main at {time.strftime('%X')}")


asyncio.run(main())

# Expected output:
#
# started main at 19:50:53
# start blocking_io at 19:50:53
# blocking_io complete at 19:50:54
# finished main at 19:50:54

通过解释，它似乎使用线程机制，而不是上下文切换或协同路由。这是否意味着它实际上不是异步的？它是否与concurrent.futures.ThreadPoolExecutor中的传统多线程相同？那么，以这种方式使用线程有什么好处呢？

to\u thread非常简单。它归结为等待，默认的executor参数为None

事实上，是的，这是传统的多线程，打算在单独线程上运行的代码不是异步的，但to_线程允许您异步等待其结果

还请注意，该函数在当前任务的上下文中运行，因此其值将在func中可用

异步定义到_threadfunc、/、*args、**kwargs： 在单独的线程中异步运行函数*func*。 直接传递为此函数提供的任何*arg和**kwarg 到*func*。此外，当前的：class:`contextvars.Context`也被传播， 允许在中访问主线程中的上下文变量 分开的线。 返回可等待以获得*func*最终结果的协同程序。 loop=events.get\u running\u循环 ctx=contextvars.copy\u上下文 func_call=functools.partialctx.run，func，*args，**kwargs return wait loop.run_in_executor无，func_调用 to_线程的定义非常简单。它归结为等待，默认的executor参数为None

事实上，是的，这是传统的多线程，打算在单独线程上运行的代码不是异步的，但to_线程允许您异步等待其结果

还请注意，该函数在当前任务的上下文中运行，因此其值将在func中可用

异步定义到_threadfunc、/、*args、**kwargs： 在单独的线程中异步运行函数*func*。 直接传递为此函数提供的任何*arg和**kwarg 到*func*。此外，当前的：class:`contextvars.Context`也被传播， 允许在中访问主线程中的上下文变量 分开的线。 返回可等待以获得*func*最终结果的协同程序。 loop=events.get\u running\u循环 ctx=contextvars.copy\u上下文 func_call=functools.partialctx.run，func，*args，**kwargs return wait loop.run_in_executor无，func_调用