Асинхронность эффективна для I/O bound задач (сетевые запросы, работа с файлами), где основное время тратится на ожидание. Для CPU bound задач (тяжелые вычисления) она не подходит, потому что: - **GIL в Python** - глобальная блокировка интерпретатора не позволяет эффективно использовать несколько ядер CPU в одном процессе - **Нет выигрыша в производительности** - асинхронность не ускоряет вычисления, а лишь эффективно переключает контекст между задачами - **Блокирующие вызовы** - долгие вычисления блокируют event loop Для CPU bound задач лучше использовать: - Мультипроцессинг (`multiprocessing`) - Вычисления на других языках (через Cython, Rust) - Распределенные системы Пример: ``` # Плохо для CPU bound async def calculate(): return sum(i*i for i in range(10**6)) # Блокирует event loop # Лучше использовать from multiprocessing import Pool def calculate_parallel(): with Pool() as p: return p.map(lambda x: x*x, range(10**6)) ```