初識
Python中已經有了threading模塊，為什么還需要線程池呢，線程池又是什么東西呢？在介紹線程同步的信號量機制的時候，舉得例子是爬蟲的例子，需要控制同時爬取的線程數，例子中創建了20個線程，而同時只允許3個線程在運行，但是20個線程都需要創建和銷毀，線程的創建是需要消耗系統資源的，有沒有更好的方案呢？其實只需要三個線程就行了，每個線程各分配一個任務，剩下的任務排隊等待，當某個線程完成了任務的時候，排隊任務就可以安排給這個線程繼續執行。
這就是線程池的思想（當然沒這么簡單），但是自己編寫線程池很難寫的比較完美，還需要考慮復雜情況下的線程同步，很容易發生死鎖。從Python3.2開始，標准庫為我們提供了concurrent.futures模塊，它提供了ThreadPoolExecutor和ProcessPoolExecutor兩個類，實現了對threading和multiprocessing的進一步抽象（這里主要關注線程池），不僅可以幫我們自動調度線程，還可以做到：
主線程可以獲取某一個線程（或者任務的）的狀態，以及返回值。
當一個線程完成的時候，主線程能夠立即知道。
讓多線程和多進程的編碼接口一致。
實例
簡單使用
from concurrent.futures import ThreadPoolExecutor
import time
參數times用來模擬網絡請求的時間
def get_html(times):
time.sleep(times)
print("get page {}s finished".format(times))
return times
executor = ThreadPoolExecutor(max_workers=2)
通過submit函數提交執行的函數到線程池中，submit函數立即返回，不阻塞
task1 = executor.submit(get_html, (3))
task2 = executor.submit(get_html, (2))
done方法用於判定某個任務是否完成
print(task1.done())
cancel方法用於取消某個任務,該任務沒有放入線程池中才能取消成功
print(task2.cancel())
time.sleep(4)
print(task1.done())
result方法可以獲取task的執行結果
print(task1.result())
執行結果
False # 表明task1未執行完成
False # 表明task2取消失敗，因為已經放入了線程池中
get page 2s finished
get page 3s finished
True # 由於在get page 3s finished之后才打印，所以此時task1必然完成了
3 # 得到task1的任務返回值
ThreadPoolExecutor構造實例的時候，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。上面的例子可以看出，由於任務有2s的延時，在task1提交后立刻判斷，task1還未完成，而在延時4s之后判斷，task1就完成了。
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。這個例子中，線程池的大小設置為2，任務已經在運行了，所以取消失敗。如果改變線程池的大小為1，那么先提交的是task1，task2還在排隊等候，這是時候就可以成功取消。
使用result()方法可以獲取任務的返回值。查看內部代碼，發現這個方法是阻塞的。
as_completed
上面雖然提供了判斷任務是否結束的方法，但是不能在主線程中一直判斷啊。有時候我們是得知某個任務結束了，就去獲取結果，而不是一直判斷每個任務有沒有結束。這是就可以使用as_completed方法一次取出所有任務的結果。
from concurrent.futures import ThreadPoolExecutor, as_completed
import time
參數times用來模擬網絡請求的時間
def get_html(times):
time.sleep(times)
print("get page {}s finished".format(times))
return times
executor = ThreadPoolExecutor(max_workers=2)
urls = [3, 2, 4] # 並不是真的url
all_task = [executor.submit(get_html, (url)) for url in urls]
for future in as_completed(all_task):
data = future.result()
print("in main: get page {}s success".format(data))
執行結果
get page 2s finished
in main: get page 2s success
get page 3s finished
in main: get page 3s success
get page 4s finished
in main: get page 4s success
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。
map
除了上面的as_completed方法，還可以使用executor.map方法，但是有一點不同。
from concurrent.futures import ThreadPoolExecutor
import time
參數times用來模擬網絡請求的時間
def get_html(times):
time.sleep(times)
print("get page {}s finished".format(times))
return times
executor = ThreadPoolExecutor(max_workers=2)
urls = [3, 2, 4] # 並不是真的url
for data in executor.map(get_html, urls):
print("in main: get page {}s success".format(data))
執行結果
get page 2s finished
get page 3s finished
in main: get page 3s success
in main: get page 2s success
get page 4s finished
in main: get page 4s success
使用map方法，無需提前使用submit方法，map方法與python標准庫中的map含義相同，都是將序列中的每個元素都執行同一個函數。上面的代碼就是對urls的每個元素都執行get_html函數，並分配各線程池。可以看到執行結果與上面的as_completed方法的結果不同，輸出順序和urls列表的順序相同，就算2s的任務先執行完成，也會先打印出3s的任務先完成，再打印2s的任務完成。
wait
wait方法可以讓主線程阻塞，直到滿足設定的要求。
from concurrent.futures import ThreadPoolExecutor, wait, ALL_COMPLETED, FIRST_COMPLETED
import time
參數times用來模擬網絡請求的時間
def get_html(times):
time.sleep(times)
print("get page {}s finished".format(times))
return times
executor = ThreadPoolExecutor(max_workers=2)
urls = [3, 2, 4] # 並不是真的url
all_task = [executor.submit(get_html, (url)) for url in urls]
wait(all_task, return_when=ALL_COMPLETED)
print("main")
執行結果
get page 2s finished
get page 3s finished
get page 4s finished
main
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。可以看到運行結果中，確實是所有任務都完成了，主線程才打印出main。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。
源碼分析
cocurrent.future模塊中的future的意思是未來對象，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 。在線程池submit()之后，返回的就是這個future對象，返回的時候任務並沒有完成，但會在將來完成。也可以稱之為task的返回容器，這個里面會存儲task的結果和狀態。那ThreadPoolExecutor內部是如何操作這個對象的呢？
下面簡單介紹ThreadPoolExecutor的部分代碼：
init方法
ThreadPoolExecutor_init方法.png
init方法中主要重要的就是任務隊列和線程集合，在其他方法中需要使用到。
submit方法
ThreadPoolExecutor_submit方法.png
submit中有兩個重要的對象，_base.Future()和_WorkItem()對象，_WorkItem()對象負責運行任務和對future對象進行設置，最后會將future對象返回，可以看到整個過程是立即返回的，沒有阻塞。
adjust_thread_count方法
ThreadPoolExecutor_adjust_thread_count方法.png
這個方法的含義很好理解，主要是創建指定的線程數。但是實現上有點難以理解，比如線程執行函數中的weakref.ref，涉及到了弱引用等概念，留待以后理解。
_WorkItem對象
_WorkItem類.png
_WorkItem對象的職責就是執行任務和設置結果。這里面主要復雜的還是self.future.set_result(result)。
線程執行函數--_worker
ThreadPoolExecutor_線程執行函數_worker.png
這是線程池創建線程時指定的函數入口，主要是從隊列中依次取出task執行，但是函數的第一個參數還不是很明白。留待以后。
總結
future的設計理念很棒，在線程池/進程池和攜程中都存在future對象，是異步編程的核心。
ThreadPoolExecutor 讓線程的使用更加方便，減小了線程創建/銷毀的資源損耗，無需考慮線程間的復雜同步，方便主線程與子線程的交互。
線程池的抽象程度很高，多線程和多進程的編碼接口一致。
未完成
對future模塊的理解。
weakref.ref是什么？
線程執行函數入口_worker的第一個參數的意思。
參考
Python並發編程之線程池/進程池
Python3高級編程和異步IO並發編程
作者：StormZhu
鏈接：https://www.jianshu.com/p/b9b3d66aa0be
來源：簡書
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。