Python 线程池 ThreadPoolExecutor(一) - Python零基础入门教程

缺乏、安全感 2022-10-10 12:30 222阅读 0赞

*  一.Python 线程池前言
 *  二.Python 线程池原理
 *  三.Python 线程池 ThreadPoolExecutor 函数介绍
 *  四.Python 线程池 ThreadPoolExecutor 简单使用
 *  五.猜你喜欢

> 零基础 Python 学习路线推荐 : [Python 学习目录][Python] >> [Python 基础入门][Python 1]

## 一.Python 线程池前言 ##

在前面的文章中我们已经介绍了很多关于 [Python][Python 2] 线程相关的知识点，比如 **[线程互斥锁 Lock][Lock]** / **[线程事件 Event][Event]** / **[线程条件变量 Condition][Condition]** 等等，而今天给大家讲解的是 **线程池 ThreadPoolExecutor**，可能很多小伙伴会疑惑，threading 模块能创建线程，ThreadPoolExecutor 也能创建线程，两者都有什么区别呢？

众所周知，程序中使用线程会提高运行效率，虽然线程是计算机的最小单位，但是线程的创建和使用一样会占用计算机资源和产生开销，一旦创建成千上万的线程，计算机一样会死机！一个合理的程序永远都是以消耗最少的资源干最多的事，就像公司老板，永远都想以最少的钱，招最少的人，干最多的事！

哪个二货在背后说我

## 二.Python 线程池原理 ##

大家都使用过迅雷下载，当同时下载 1000 个任务甚至更多的时候，就算开通 vip 同时下载的数量也只有 8 个。如果同时创建 1000 个[线程][Link 1]，首先对计算器的开销也很大，而且每次只运行 8 个线程，需要不停的创建和销毁，这样会显得很麻烦。

而使用线程池 ThreadPoolExecutor 就可以解决上面的问题，其实只需要 8 个线程就行了，**每个线程各分配一个任务，剩下的任务排队等待，当某个线程完成了任务的时候，排队任务就可以安排给这个线程继续执行，这就是所谓的[线程池 ThreadPoolExecutor][ThreadPoolExecutor] 原理！**

## 三.Python 线程池 ThreadPoolExecutor 函数介绍 ##

*  **1.ThreadPoolExecutor 构造实例的时候，传入 max\_workers 参数来设置线程池中最多能同时运行的线程数目。**
 *  2.使用 submit 函数来提交线程需要执行的任务（函数名和参数）到线程池中，并返回该任务的句柄（类似于文件、画图），**注意 submit 不是阻塞的，而是立即返回。**
 *  **3.通过 submit 函数返回的任务句柄，能够使用 done 方法判断该任务是否结束**。下面的例子可以看出，由于任务有 2s 的延时，在 task1 提交后立刻判断， task1 还未完成，而在延时 4s 之后判断，task1 就完成了。
 *  **4.使用 cancel 方法可以取消提交的任务，如果任务已经在线程池中运行了，就取消不了**。这个例子中，线程池的大小设置为 2 ，任务已经在运行了，所以取消失败。如果改变线程池的大小为 1 ，那么先提交的是 task1，task2 还在排队等候，这是时候就可以成功取消。
 *  **5.使用 result 方法可以获取任务的返回值，注意：这个方法是阻塞的。**

## 四.Python 线程池 ThreadPoolExecutor 简单使用 ##

# !usr/bin/env python
    # -*- coding:utf-8 _*-
    """
    @Author:猿说编程
    @Blog(个人博客地址): www.codersrc.com
    @File:Python 线程池 ThreadPoolExecutor.py
    @Time:2021/05/05 07:37
    @Motto:不积跬步无以至千里，不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
    
    """
    
    from concurrent.futures import ThreadPoolExecutor
    import time
    
    # 参数times用来模拟下载的时间
    def down_video(times):
        time.sleep(times)
        print("down video {}s finished".format(times))
        return times
    
    executor = ThreadPoolExecutor(max_workers=2)
    # 通过submit函数提交执行的函数到线程池中，submit函数立即返回，不阻塞
    task1 = executor.submit(down_video, (3))
    task2 = executor.submit(down_video, (2))
    # done方法用于判定某个任务是否完成
    print("任务1是否已经完成：",task1.done())
    # cancel方法用于取消某个任务,该任务没有放入线程池中才能取消成功
    print("取消任务2：",task2.cancel())
    time.sleep(4)
    print("任务1是否已经完成：",task1.done())
    # result方法可以获取task的执行结果
    print(task1.result())
    
    
    '''
    输出结果：
    
    任务1是否已经完成： False
    取消任务2： False
    down video 2s finished
    down video 3s finished
    任务1是否已经完成： True
    3
    '''

[**线程池**][ThreadPoolExecutor] **[ThreadPoolExecutor][]** 使用远不止如此，由于篇幅有限，关于线程池 as\_completed / map / wait 函数和**线程池的阻塞和执行顺序相关介绍请参考**[**Python 线程池 ThreadPoolExecutor（二）**][Python _ ThreadPoolExecutor]

## 五.**猜你喜欢** ##

1.  [Python 条件推导式][Python 3]
2.  [Python 列表推导式][Python 4]
3.  [Python 字典推导式][Python 5]
4.  [Python 函数声明和调用][Python 6]
5.  [Python 不定长参数 \*argc/\*\*kargcs][Python _ _argc_kargcs]
6.  [Python 匿名函数 lambda][Python _ lambda]
7.  [Python return 逻辑判断表达式][Python return]
8.  [Python 字符串/列表/元组/字典之间的相互转换][Python 7]
9.  [Python 局部变量和全局变量][Python 8]
10. [Python type 函数和 isinstance 函数区别][Python type _ isinstance]
11. [Python is 和 == 区别][Python is _ _]
12. [Python 可变数据类型和不可变数据类型][Python 9]
13. [Python 浅拷贝和深拷贝][Python 10]
14. [Python 文件读写操作][Python 11]
15. [Python 异常处理][Python 12]
16. [Python 模块 import][Python _ import]
17. [Python \_\_name\_\_ == ‘\_\_main\_\_’详细解释][Python _name_ _ _main]
18. [Python 线程创建和传参][Link 1]
19. [Python 线程互斥锁 Lock][Lock]
20. [Python 线程事件 Event][Event]
21. [Python 线程条件变量 Condition][Condition]
22. [Python 线程定时器 Timer][Python _ Timer]
23. [Python 线程信号量 Semaphore][Python _ Semaphore]
24. [Python 线程障碍对象 Barrier][Python _ Barrier]
25. [Python 线程队列 Queue – FIFO][Python _ Queue _ FIFO]
26. [Python 线程队列 LifoQueue – LIFO][Python _ LifoQueue _ LIFO]
27. [Python 线程优先队列 PriorityQueue][Python _ PriorityQueue]

未经允许不得转载：[猿说编程][Link 2] » [Python 线程池 ThreadPoolExecutor(一)][ThreadPoolExecutor]

[Python]: https://www.codersrc.com/python
[Python 1]: https://www.codersrc.com/pythonsimple
[Python 2]: https://www.codersrc.com/
[Lock]: https://www.codersrc.com/archives/6048.html
[Event]: https://www.codersrc.com/archives/6486.html
[Condition]: https://www.codersrc.com/archives/6508.html
[Link 1]: https://www.codersrc.com/archives/6015.html
[ThreadPoolExecutor]: https://www.codersrc.com/archives/6707.html
[Python _ ThreadPoolExecutor]: https://www.codersrc.com/archives/6732.html
[Python 3]: https://www.codersrc.com/archives/5346.html
[Python 4]: https://www.codersrc.com/archives/5359.html
[Python 5]: https://www.codersrc.com/archives/5377.html
[Python 6]: https://www.codersrc.com/archives/5405.html
[Python _ _argc_kargcs]: https://www.codersrc.com/archives/5443.html
[Python _ lambda]: https://www.codersrc.com/archives/5756.html
[Python return]: https://www.codersrc.com/archives/5759.html
[Python 7]: https://www.codersrc.com/archives/5137.html
[Python 8]: https://www.codersrc.com/archives/5156.html
[Python type _ isinstance]: https://www.codersrc.com/archives/5214.html
[Python is _ _]: https://www.codersrc.com/archives/5288.html
[Python 9]: https://www.codersrc.com/archives/5271.html
[Python 10]: https://www.codersrc.com/archives/5492.html
[Python 11]: https://www.codersrc.com/archives/5928.html
[Python 12]: https://www.codersrc.com/archives/5966.html
[Python _ import]: https://www.codersrc.com/archives/5980.html
[Python _name_ _ _main]: https://www.codersrc.com/archives/5998.html
[Python _ Timer]: https://www.codersrc.com/archives/6538.html
[Python _ Semaphore]: https://www.codersrc.com/archives/6563.html
[Python _ Barrier]: https://www.codersrc.com/archives/6581.html
[Python _ Queue _ FIFO]: https://www.codersrc.com/archives/6609.html
[Python _ LifoQueue _ LIFO]: https://www.codersrc.com/archives/6651.html
[Python _ PriorityQueue]: https://www.codersrc.com/archives/6674.html
[Link 2]: https://www.codersrc.com