1. 使用内置模块在使用多线程处理任务时也不是线程越多越好，由于在切换线程的时候，需要切换上下文环境，依然会造成cpu的大量开销。为解决这个问题，线程池的概念被提出来了。预先创建好一个合理数量的线程池，让过来的任务立刻能够使用，就形成了线程池。
在Python3中，创建线程池是通过concurrent.futures函数库中的ThreadPoolExecutor类来实现的。
- 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)
- # 创建一个最大容纳数量为5的线程池
- pool = ThreadPoolExecutor(5)
- for i in range(10):
- # 往线程池上塞任务
- pool.submit(target)
创建线程池还可以使用更优雅的方式，就是使用上下文管理器
- with ThreadPoolExecutor(5) as pool:
- for i in range(100):
- pool.submit(target)
直接运行代码，从输出可以看出，前面我们设置线程池最大线程数，会保证“同时”仅有五个线程在工作。
- 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
- ....
示例完毕，来说明一下：
使用 with 语句 ，通过 ThreadPoolExecutor 构造实例，同时传入 max_workers 参数来设置线程池中最多能同时运行的线程数目。
使用 submit 函数来提交线程需要执行的任务到线程池中，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。
通过使用 done() 方法判断该任务是否结束。上面的例子可以看出，提交任务后立即判断任务状态，显示四个任务都未完成。在延时2.5后，task1 和 task2 执行完毕，task3 仍在执行中。
使用 result() 方法可以获取任务的返回值。
2. 自定义线程池除了使用上述第三方模块的方法之外，我们还可以自己结合前面所学的消息队列来自定义线程池。
这里我们就使用queue来实现一个上面同样效果的例子，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()
输出是和上面是完全一样的效果
- 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
- ...
构建线程池的方法，是可以很灵活的，大家有空可以自己多研究。但是建议只要掌握一种自己熟悉的，能快速上手的就好了。
