17370845950

Python推荐用concurrent.futures.ThreadPoolExecutor管理线程池，适用于I/O密集型任务；需用with管理资源，submit返回Future，map批量提交，注意异常处理与超时控制。

Python 中推荐使用 concurrent.futures 模块管理线程池，它封装了底层 threading 的复杂逻辑，提供统一、简洁的接口。核心是 ThreadPoolExecutor 类，适合 I/O 密集型任务（如网络请求、文件读写），不适用于 CPU 密集型场景（此时应选 ProcessPoolExecutor）。

创建与基本使用

通过 with 语句自动管理资源，避免忘记调用 shutdown()：

• 指定 max_workers 控制最大并发线程数（默认为 min(32, os.cpu_count() + 4)）
• submit() 提交单个任务，返回 Future 对象，可调用 result() 阻塞获取结果
• 多个任务可用 map() 批量提交，行为类似内置 map，自动按序返回结果

获取执行结果的两种方式

方式一：逐个处理 Future
适用于需要立即响应、或对每个任务做独立错误处理的场景：

• 用 executor.submit(func, *args) 得到 future
• 调用 future.result(timeout=5) 获取结果，超时抛出 TimeoutError
• 用 future.exception() 检查是否发生异常（非阻塞）

方式二：批量处理 map 结果
适合参数结构一致、结果顺序敏感的任务：

• executor.map(func, iterables) 返回迭代器，按输入顺序产出结果
• 若某次调用出错，异常会在对应位置被 next() 或遍历时抛出
• 不支持传入多个参数列表（需用 functools.partial 或 lambda 封装）

异常处理与超时控制

线程中异常不会自动传播到主线程，必须显式检查：

• submit 后立即调用 future.exception() 可判断是否失败（返回 None 表示无异常）
• result(timeout=...) 是最常用的等待+取值+捕获异常方式
• 建议总配合 try/except 使用，尤其在循环提交多个任务时

例如：不要忽略 timeout 参数，否则一个卡死的请求可能拖垮整个池。

进阶技巧：控制生命周期与复用

线程池不是“即用即弃”的工具，合理复用能显著提升性能：

• 避免在循环内反复创建/销毁 ThreadPoolExecutor 实例
• 长期运行的服务中，可将 executor 作为模块级变量或类属性持久化
• 调用 shutdown(wait=True) 等待所有任务完成；wait=False 则立即返回，后台继续执行
• 注意：已 shutdown 的 executor 不可再 submit 新任务