В асинхронном Python (asyncio) память используется более эффективно по сравнению с потоками, так как корутины легковесны и работают в одном потоке. Однако есть нюансы: - **Корутины** занимают меньше памяти, чем потоки (обычно ~1KB против ~8MB на поток) - **Event Loop** хранит все задачи в памяти, что может стать проблемой при большом количестве задач - **Ожидающие задачи** не освобождают память, пока не завершатся Пример с утечкой памяти: ``` async def leaky_task(): data = [0] * 10_000_000 # Большой объект в памяти await asyncio.sleep(3600) async def main(): tasks = [asyncio.create_task(leaky_task()) for _ in range(1000)] await asyncio.gather(*tasks) ``` Для оптимизации: - Используйте `asyncio.create_task()` осознанно - Ограничивайте количество одновременных задач - Освобождайте ресурсы явно через `try/finally` или `async with`