1. 使用內置模塊

在使用多線程處理任務時也不是線程越多越好，由于在切換線程的時候，需要切換上下文環(huán)境，依然會造成cpu的大量開銷。為解決這個問題，線程池的概念被提出來了。預先創(chuàng)建好一個合理數量的線程池，讓過來的任務立刻能夠使用，就形成了線程池。

在Python3中，創(chuàng)建線程池是通過concurrent.futures函數庫中的ThreadPoolExecutor類來實現的。

import time
import threading
from concurrent.futures import ThreadPoolExecutor

def target():
    for i in range(5):
        print('running thread-{}:{}'.format(threading.get_ident(), i))
        time.sleep(1)

# 創(chuàng)建一個最大容納數量為5的線程池
pool = ThreadPoolExecutor(5)

for i in range(10):
    # 往線程池上塞任務
    pool.submit(target)

創(chuàng)建線程池還可以使用更優(yōu)雅的方式，就是使用上下文管理器

with ThreadPoolExecutor(5) as pool:
    for i in range(100):
        pool.submit(target)

直接運行代碼，從輸出可以看出，前面我們設置線程池最大線程數，會保證“同時”僅有五個線程在工作。

running thread-123145483767808:0
running thread-123145489022976:0
running thread-123145494278144:0
running thread-123145499533312:0
running thread-123145504788480:0
running thread-123145483767808:1
running thread-123145489022976:1
running thread-123145499533312:1
running thread-123145494278144:1
running thread-123145504788480:1
running thread-123145489022976:2
running thread-123145499533312:2
running thread-123145483767808:2
running thread-123145504788480:2
running thread-123145494278144:2
....

示例完畢，來說明一下：

使用 with 語句 ，通過 ThreadPoolExecutor 構造實例，同時傳入 max_workers 參數來設置線程池中最多能同時運行的線程數目。

使用 submit 函數來提交線程需要執(zhí)行的任務到線程池中，并返回該任務的句柄（類似于文件、畫圖），注意 submit() 不是阻塞的，而是立即返回。

通過使用 done() 方法判斷該任務是否結束。上面的例子可以看出，提交任務后立即判斷任務狀態(tài)，顯示四個任務都未完成。在延時2.5后，task1 和 task2 執(zhí)行完畢，task3 仍在執(zhí)行中。

使用 result() 方法可以獲取任務的返回值。

2. 自定義線程池

除了使用上述第三方模塊的方法之外，我們還可以自己結合前面所學的消息隊列來自定義線程池。

這里我們就使用queue來實現一個上面同樣效果的例子，大家感受一下。

import time
import threading
from queue import Queue

def target(queue):
    while True:
        task = queue.get()
        if task == "stop":
            queue.task_done()
            break

        task()
        queue.task_done()

def do_task():
    for i in range(5):
        print('running thread-{}:{}'.format(threading.get_ident(), i))
        time.sleep(1)


class MyQueue(Queue):
    def close(self):
        for i in range(self.maxsize):
            self.put("stop")

def custome_pool(task_func, max_workers):
    queue = MyQueue(max_workers)
    for n in range(max_workers):
        t = threading.Thread(target=task_func, args=(queue,))
        t.daemon = True
        t.start()

    return queue



pool = custome_pool(task_func=target, max_workers=5)

for i in range(10):
    pool.put(do_task)

pool.close()
pool.join()

輸出是和上面是完全一樣的效果

running thread-123145469886464:0
running thread-123145475141632:0
running thread-123145485651968:0
running thread-123145490907136:0
running thread-123145480396800:0
running thread-123145469886464:1
running thread-123145480396800:1
running thread-123145475141632:1
running thread-123145490907136:1
running thread-123145485651968:1
...

構建線程池的方法，是可以很靈活的，大家有空可以自己多研究。但是建議只要掌握一種自己熟悉的，能快速上手的就好了。
審核編輯：湯梓紅