Show HN: Runloom – Go-style coroutines for Python free-threaded — Hacker News

近日，一款名为 Runloom 的开源项目在 Hacker News 上引发广泛关注。该项目旨在为 Python 的 free-threaded（无 GIL）模式提供 Go 语言风格的协程（goroutine）实现，让 Python 开发者能够以轻量、并发的方式编写异步代码，同时彻底摆脱全局解释器锁（GIL）的束缚。

背景：Python 并发困境与无 GIL 进程

长期以来，Python 的多线程并发受限于 GIL——同一时刻只有一个线程能执行 Python 字节码。虽然 asyncio 和 async/await 提供了基于协程的异步方案，但它的编程模型与同步代码差异较大，且无法利用多核 CPU 进行真正的并行计算。随着 Python 3.13 正式引入 free-threaded 模式（PEP 703 的里程碑），Python 终于可以在不启用 GIL 的情况下运行，为真正的高并发并行奠定了基础。然而，如何在这一新模式下高效管理大量轻量级任务，仍是一个待解决的痛点。

Runloom 正是针对这一需求而生。它借鉴了 Go 语言的协程调度模型，为 Python 提供了一种“无栈协程”的实现——用户可以像启动 goroutine 一样通过 runloom.spawn() 创建成千上万个并发任务，并通过类似 Go channel 的通信机制进行同步和数据交换。

核心特性：Go 风格，Python 灵魂

Runloom 的设计哲学非常明确：让 Python 开发者用熟悉的 Go 语言模式，享受无 GIL 环境下的高性能并发。具体来说，它包含以下几个关键特性：

1. 轻量级协程（Coroutine Lightweight）

与 asyncio 的协程不同，Runloom 的协程是真正意义上的“用户态线程”，调度完全由运行时管理，而非依赖事件循环。每个协程仅占用数 KB 内存，可轻松支持百万级别的并发任务。开发者只需调用 runloom.spawn(func, *args)，即可将任意函数（包括同步函数）作为协程启动。

2. 内置 Channel 通信

Runloom 内置了类似 Go 的 channel 机制，支持阻塞发送/接收、缓冲 channel 以及 select 多路复用。例如：

ch = runloom.Channel()
def producer():
    for i in range(10):
        ch.send(i)
def consumer():
    while True:
        val = ch.recv()
        print(val)
runloom.spawn(producer)
runloom.spawn(consumer)
runloom.run()

这种模式天然避免了共享内存加锁的复杂性，让并发代码更安全、易读。

3. 自动调度与抢占

Runloom 的调度器采用工作窃取（work-stealing）算法，能够自动在多个 OS 线程之间均衡负载。更重要的是，它实现了协作式与抢占式相结合的调度：协程在执行 I/O 操作或显式调用 runloom.yield() 时主动让出 CPU，同时调度器也会在长时间运行的协程上插入检查点，防止单个协程“饿死”其他任务。

4. 无缝集成 free-threaded Python

项目针对 Python 的无 GIL 构建（--disable-gil 编译选项）进行了深度优化。在 free-threaded 模式下，多个 OS 线程可以真正并行执行 Python 代码，而 Runloom 的协程调度器会将协程均匀分布到各线程上，从而实现线性加速。据项目作者在 HN 上透露，在 8 核机器上运行纯 CPU 密集型任务，Runloom 相比 asyncio 的事件循环模式可获得约 4-6 倍的性能提升。

5. 兼容现有生态

Runloom 的设计充分考虑了与 Python 标准库的兼容性。通过内置的 runloom.sync 模块，开发者可以阻塞等待协程完成；同时，runloom.AsyncFile 和 runloom.AsyncSocket 提供了对文件 I/O 和网络 I/O 的异步封装，底层基于 io_uring 或 kqueue 等高效轮询机制。

性能对比与适用场景

在 Hacker News 的讨论中，开发者 @alexanderg（Runloom 的作者）给出了初步的基准测试结果：在 free-threaded Python 3.13 上，使用 Runloom 启动 10 万个轻量级协程（每个协程仅做简单计算并发送消息）只需约 0.8 秒，而同样数量的 threading.Thread 会因线程切换开销导致内存暴增，甚至无法完成。与 asyncio 相比，Runloom 在处理 CPU 密集型混合 I/O 任务时，延迟抖动更小，吞吐量提升 2-3 倍。

Runloom 最适合以下场景： - 高并发网络服务（如 WebSocket 服务器、反向代理） - 大规模爬虫与数据管道 - 需要利用多核的并行计算（科学计算、数据处理） - 现有同步代码库向并发迁移（无需重写为 async/await）

局限性及未来展望

并非所有 Python 应用都适合 Runloom。由于协程调度依赖用户态实现，对于极短生命周期的任务（如微秒级计算），调度器本身的开销可能成为瓶颈。此外，Runloom 目前尚处于早期阶段，与 NumPy、Pandas 等 C 扩展库的配合仍需要进一步测试。

项目作者表示，未来的开发计划包括：支持更精细的调度策略（如优先级、CPU 亲和性）、提供 ARM64 的 io_uring 支持，以及构建像 Go 的 sync.WaitGroup 和 context 那样的高级同步原语。

结语

Runloom 的出现，为 Python 的无 GIL 时代提供了一种极具吸引力的并发模型。它让 Python 开发者可以在不改变习惯的前提下，拥抱 Go 语言的那种“轻量级并发哲学”。虽然它不会完全取代 asyncio 或 threading，但在高性能、高并发的领域，Runloom 很可能成为 Python 生态中不可或缺的一员。

目前，Runloom 已在 GitHub 上开源（项目地址：https://github.com/runloom/runloom），支持 Python 3.13 及以上版本，并提供了详细的文档和示例。对于渴望提升 Python 并发能力的开发者来说，这无疑是一个值得关注的新工具。

Show HN: Runloom – Go-style coroutines for Python free-threaded