### Python `ThreadPoolExecutor` 使用与信息 #### 创建线程池执行器 为了创建并管理一组工作线程，可以使用 `concurrent.futures.ThreadPoolExecutor`. 这一工具简化了多线程编程中的任务提交和结果获取过程[^1]. ```python from concurrent.futures import ThreadPoolExecutor import urllib.request def load_url(url, timeout): with urllib.request.urlopen(url, timeout=timeout) as conn: return conn.read() with ThreadPoolExecutor(max_workers=5) as executor: future_to_url = {executor.submit(load_url, url, 60): url for url in URLS} ``` 上述代码展示了如何通过指定最大工作者数量来实例化 `ThreadPoolExecutor`, 并向其提交多个下载网页的任务. #### 提交单个任务给线程池 对于希望异步运行的函数调用，可利用 `.submit()` 方法将其交给线程池处理. 此方法返回一个代表该操作完成状态以及最终结果的对象——Future 实例. ```python future = executor.submit(function_name, arg1, kwarg='value') result = future.result() ``` 这里演示了怎样把具体的工作单元传递给线程池，并等待它完成后取得输出. #### 批量提交任务至线程池 当有大量相似性质的小型计算密集型作业待分配时，推荐采用 `as_completed()` 函数批量提交这些请求到线程池中去并发执行: ```python futures = [executor.submit(task_function, param) for param in params_list] for f in futures.as_completed(): try: data = f.result() print('Task yielded:', data) except Exception as exc: print('Generated an exception:', exc) ``` 此片段说明了一种有效的方式用于跟踪众多已启动但尚未结束的操作的状态变化情况. #### 关闭线程池 一旦所有预定要做的工作都已经被安排完毕，则应当适时关闭线程池以释放资源. 可以通过调用 `shutdown(wait=True)` 来实现这一点；这会阻塞当前进程直到所有的子线程均已完成它们各自负责的部分为止. ```python executor.shutdown() ``` 值得注意的是，在Python解释器退出前，程序自动尝试清理未被显式终止掉的非守护模式下的后台线程; 不过最好还是养成良好习惯主动进行这项善后工作.