Python基础篇 - 多线程-线程池

在之前的文章Python基础篇 - 多进程-进程池中，我们认识了进程池的创建。今天的Python基础篇知识将介绍线程池。 

  关于进程与线程的概念，在文章Python基础篇 - 进程与线程、并发与并行有详细的介绍。

一.线程池

线程池就是提前开好固定数量的线程，循环反复干活，不销毁、不重复创建。

  在之前，多线程的创建，手动创建多个线程：来一个任务，相当于招一个工人，干完就辞退。 频繁招人辞退，浪费时间、浪费资源。但是，线程池：提前固定招好若干个工人，任务来了就干活，干完不辞退，坐等下一个任务。实现复用，效率极高。

  线程池的API是ThreadPoolExecutor

  任务提交方法主要是两个：submit和map

submit：提交不同的单个任务，适合参数不一样、灵活获取返回。

map：批量批量自动传参，适合批量统一任务。

1. submit-单任务异步

from concurrent.futures import ThreadPoolExecutorimport time# 定义线程任务def work_1(num):    print(f"任务{num}开始执行")    time.sleep(1)  # 模拟任务耗时    return f"任务{num}执行完成"def work_2(name):    print(f"{name}开始工作")    time.sleep(1)    return f"{name}已经工作完成"if __name__ == "__main__":    # 创建线程池，最大3个线程同时工作    pool = ThreadPoolExecutor(max_workers=3)    # 提交任务    # submit(fn(任务函数)，args(函数参数))    future1 = pool.submit(work_1,1)    future2 = pool.submit(work_2,'xiaoming')    # result()方法获取结果    work1 = future1.result()    work2 = future2.result()        # 关闭线程池    pool.shutdown()    print("所有任务全部结束")

2. map-批量任务

from concurrent.futures import ThreadPoolExecutorimport time# 定义线程任务def work(num):    print(f"任务{num}开始执行")    time.sleep(1) # 模拟任务耗时    return f"任务{num}完成"if __name__ == "__main__":    pool = ThreadPoolExecutor(max_workers=3)    # 批量自动执行任务    nums = [1,2,3,4,5]    results = pool.map(work, nums)    # 遍历结果，无需result方法    for res in results:        print(res)    # 关闭线程池    pool.shutdown()    print("全部任务结束")

可以看到，submit方法适合任务不一致，需要单独拿到结果的情况；map方法适合同一批量任务的生产情况。