concurrent.futures模塊詳解
Executor對象
class concurrent.futures.Executor
Executor是一個抽象類，它提供了異步執行調用的方法。它不能直接使用，但可以通過它的兩個子類ThreadPoolExecutor或者ProcessPoolExecutor進行調用。
我們可以將相應的tasks直接放入線程池/進程池，不需要維護Queue來操心死鎖的問題，線程池/進程池會自動幫我們調度。
Future可以把它理解為一個在未來完成的操作，這是異步編程的基礎，傳統編程模式下比如我們操作queue.get的時候，在等待返回結果之前會產生阻塞，cpu不能讓出來做其他事情，而Future的引入幫助我們在等待的這段時間可以完成其他的操作。
2.1.1 Executor.submit(fn, *args, **kwargs)
submit(fn,*args,**kwargs) 異步提交任務
fn：需要異步執行的函數
*args, **kwargs：fn參數
使用submit函數來提交線程需要執行的任務（函數名和參數）到線程池中，並返回該任務的句柄（類似於文件、畫圖），注意submit()不是阻塞的，而是立即返回。
通過submit函數返回的任務句柄，能夠使用done()方法判斷該任務是否結束。
使用cancel()方法可以取消提交的任務，如果任務已經在線程池中運行了，就取消不了。
2.1.2 Executor.map(func, *iterables, timeout=None)
相當於map(func, *iterables)，但是func是異步執行。timeout的值可以是int或float，如果操作超時，會返回raisesTimeoutError；如果不指定timeout參數，則不設置超時間。
func：需要異步執行的函數
*iterables：可迭代對象，如列表等。每一次func執行，都會從iterables中取參數。
timeout：設置每次異步操作的超時時間
2.1.3 Executor.shutdown(wait=True)
釋放系統資源,在Executor.submit()或 Executor.map()等異步操作后調用。使用with語句可以避免顯式調用此方法。
shutdown(wait=True) 相當於進程池的pool.close()+pool.join()操作
wait=True，等待池內所有任務執行完畢回收完資源后才繼續，--------》默認
wait=False，立即返回，並不會等待池內的任務執行完畢
但不管wait參數為何值，整個程序都會等到所有任務執行完畢
submit和map必須在shutdown之前
2.3 ThreadPoolExecutor對象
ThreadPoolExecutor類是Executor子類，使用線程池執行異步調用.
class concurrent.futures.ThreadPoolExecutor(max_workers)
使用max_workers數目的線程池執行異步調用
executor = ThreadPoolExecutor(concurrent_size)
2.4 ProcessPoolExecutor對象
ThreadPoolExecutor類是Executor子類，使用進程池執行異步調用.
class concurrent.futures.ProcessPoolExecutor(max_workers=None)
使用max_workers數目的進程池執行異步調用，如果max_workers為None則使用機器的處理器數目（如4核機器max_worker配置為None時，則使用4個進程進行異步並發）。
executor = ProcessPoolExecutor(concurrent_size)
ProcessPoolExecutor(n):n表示池里面存放多少個進程，之后的連接最大就是n的值
as_completed
as_completed()方法是一個生成器，在沒有任務完成的時候，會阻塞，在有某個任務完成的時候，會yield這個任務，就能執行for循環下面的語句，然后繼續阻塞住，循環到所有的任務結束。從結果也可以看出，先完成的任務會先通知主線程。
參數是任務(submit的返回值)列表
wait
wait方法可以讓主線程阻塞，直到滿足設定的要求。
wait方法接收3個參數，等待的任務序列、超時時間以及等待條件。等待條件return_when默認為ALL_COMPLETED，表明要等待所有的任務都結束。等待條件還可以設置為FIRST_COMPLETED，表示第一個任務完成就停止等待。
要想利用多核系統，Python必須支持多線程運行。作為解釋型語言，Python的解釋器必須做到既安全又高效。我們都知道多線程編程會遇到的問題，解釋器要留意的是避免在不同的線程操作內部共享的數據，同時它還要保證在管理用戶線程時保證總是有最大化的計算資源。
那么，不同線程同時訪問時，數據的保護機制是怎樣的呢？答案是解釋器全局鎖。從名字上看能告訴我們很多東西，很顯然，這是一個加在解釋器上的全局（從解釋器的角度看）鎖（從互斥或者類似角度看）。這種方式當然很安全，但是它有一層隱含的意思（Python初學者需要了解這個）：對於任何Python程序，不管有多少的處理器，任何時候都總是只有一個線程在執行。
”為什么我全新的多線程Python程序運行得比其只有一個線程的時候還要慢？“許多人在問這個問題時還是非常犯暈的，因為顯然一個具有兩個線程的程序要比其只有一個線程時要快（假設該程序確實是可並行的）。事實上，這個問題被問得如此頻繁以至於Python的專家們精心制作了一個標准答案：”不要使用多線程，請使用多進程”。
Python 多線程安全
進程是資源分布的單元
線程是進程中真正執行代碼的
進程運行起來，會有一個主線程進行運行
父子線程：相互獨立運行，當所有的子線程執行完后，主線程才執行完
多進程中，每個進程中所有數據（包括全局變量）都各有擁有一份，互不影響
在一個進程內的所有線程共享全局變量，能夠在不適用其他方式的前提下完成多線程之間的數據共享（但是局部變量是自己的）
字典，列表當做參數傳遞給線程，會當做全局變量
使用 copy.deepcopy(x) 來實現對象的深拷貝來實現值傳遞
#創建鎖 mutex = threading.Lock() #鎖定 mutex.acquire([blocking]) #釋放 mutex.release()
鎖的好處：
- 確保了某段關鍵代碼只能由一個線程從頭到尾完整地執行
鎖的壞處：
- 阻止了多線程並發執行，包含鎖的某段代碼實際上只能以單線程模式執行，效率就大大地下降了
- 由於可以存在多個鎖，不同的線程持有不同的鎖，並試圖獲取對方持有的鎖時，可能會造成死鎖（死鎖可以通過銀行家算法解決）