并行结果的交付条件与共享截止时间

实现与取舍

代码示例

保留成功结果并清理超时任务

只读异步任务的最小演示；不保证远端写请求随本地取消而撤销。

import asyncio

async def ok():
    return "result"

async def fail():
    raise RuntimeError("unavailable")

async def slow():
    await asyncio.Event().wait()

async def main():
    tasks = {"a": asyncio.create_task(ok()), "b": asyncio.create_task(fail()),
             "c": asyncio.create_task(slow())}
    done, pending = await asyncio.wait(tasks.values(), timeout=0.02)
    for task in pending:
        task.cancel()
    await asyncio.gather(*pending, return_exceptions=True)
    for name, task in tasks.items():
        if task in pending:
            status = "timeout"
        elif task.exception() is not None:
            status = "failed"
        else:
            status = "succeeded"
        print(name, status)

asyncio.run(main())

预期输出

a succeeded
b failed
c timeout

工程推演

场景

面试假设：研究助手并行查询三种来源，其中一个超时。

设计决策

记录每源状态，使用全局截止时间，按事先定义的最低证据要求验收。

验证目标

返回可验证结果和缺失来源，所有本地等待有界结束。

适用边界

写工具需要额外回执核对，不能直接套用只读取消逻辑。

易错点

• 所有调用统一无上限 gather
• 失败后把其他成功结果丢掉
• 取消协程就声称远端未执行

参考资料

依据公开技术资料设计；参考资料支持技术机制，场景与评分标准为本站设计，不代表某公司面试原题。 新增问答与迁移案例用于原理讲解，来源核查与案例运行验证分别记录。

• Python 3：协程、gather 与 TaskGroup
• AWS：有界退避重试及幂等前提

检查自己理解到哪一步

读完后可以对照这些标准解释原理、边界和取舍。掌握程度由你自评；需要进一步验证时，再完成下方小任务。

基础达标

能设置并发上限、超时和每工具状态。

中高级信号

能按交付条件选择取消策略并清理资源。

资深信号

解释阻塞、任务组语义与远端未知结果的边界。