Python的线程池之ThreadPoolExecutor_python threadpoolexecutor-CSDN博客

本文链接：https://blog.csdn.net/weixin_37848710/article/details/125981832

本文介绍了Python中多线程的概念以及线程池的作用，强调了线程池如何优化多线程执行效率，提供了线程池ThreadPoolExecutor的特性及使用方法。针对提交任务过多可能导致的资源消耗问题，探讨了两种限制线程池队列大小的解决方案：一是直接修改ThreadPoolExecutor的内部队列，二是任务分组提交。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Python中的多线程

一段程序运行起来的本质就是有线程在负责执行我们的代码；那么多线程即是有多个线程在执行一段程序。

一般CPU计算密集型任务适合多进程，那么IO密集型任务则适合多线程；当然一个进程可拥有多个并行的线程，当中每一个线程，共享当前进程的资源。

提示：那么是不是一味的创建多个线程就能提高程序的效率？非也，只有合理的的多线程才能发挥多核的优势；于是乎就有了线程池。

Python中的线程池

线程池可以可以解决多个线程的痛点

创建合理的线程数量，重用存在的线程，减少线程创建销毁带来的开销。
可有效的控制最大并发线程数，提高系统资源的使用率，同时避免过多资源竞争，避免堵塞。
提供定时执行、定期执行、单线程、并发数控制等功能。

接着看Python主流的线程池ThreadPoolExecutor

线程池ThreadPoolExecutor

ThreadPoolExecutor位于python3标准库的并发包（concurrent.futures）下，特点

主线程可以获取某一个线程的状态，以及返回值。
线程同步
让多线程和多进程的编码接口一致。
简单粗暴

它的一些API使用：

# 创建一个包含2条线程的线程池
with ThreadPoolExecutor(max_workers=2) as pool:
# 另一种方式
pool = ThreadPoolExecutor(max_workers&