### 使用 `concurrent.futures` 模块进行并发编程 Python 提供了 `concurrent.futures` 模块，这是一个基于线程池和进程池的高级并发编程接口。该模块简化了异步任务的执行流程，适用于 I/O 密集型和 CPU 密集型任务，并且在 Python 3.2 中被引入 [^5]。 #### 导入模块 要使用 `concurrent.futures`，首先需要导入模块。可以通过以下方式导入： ```python import concurrent.futures ``` #### 使用线程池执行并发任务 对于 I/O 密集型任务，推荐使用 `ThreadPoolExecutor`。以下是一个简单的示例，展示了如何使用线程池并发执行多个任务： ```python import concurrent.futures import time def task(n): print(f"Processing {n}") time.sleep(n) return f"Done with {n}" with concurrent.futures.ThreadPoolExecutor(max_workers=3) as executor: results = [executor.submit(task, i) for i in [1, 2, 3]] for future in concurrent.futures.as_completed(results): print(future.result()) ``` 上述代码中，`ThreadPoolExecutor` 创建了一个包含 3 个线程的线程池，`submit()` 方法用于提交任务，`as_completed()` 用于按任务完成顺序获取结果 [^4]。 #### 使用进程池执行并发任务 对于 CPU 密集型任务，推荐使用 `ProcessPoolExecutor`。以下是一个使用进程池的示例： ```python import concurrent.futures import math def compute_factorial(n): return math.factorial(n) with concurrent.futures.ProcessPoolExecutor() as executor: results = executor.map(compute_factorial, [5, 6, 7, 8]) for result in results: print(result) ``` 该示例使用 `ProcessPoolExecutor` 并发计算多个数的阶乘，适用于需要充分利用多核 CPU 的场景 [^2]。 #### 异步任务与回调函数 `concurrent.futures` 还支持为任务添加回调函数，用于在任务完成后执行特定逻辑： ```python import concurrent.futures def task(n): return n * n def callback(future): print(f"Task result: {future.result()}") with concurrent.futures.ThreadPoolExecutor() as executor: future = executor.submit(task, 4) future.add_done_callback(callback) ``` 在该示例中，`add_done_callback()` 方法用于注册回调函数，在任务完成后自动调用 [^1]。 #### 注意事项 在使用 `concurrent.futures` 时，需要注意以下几点： - 避免在多个线程或进程中同时访问共享资源，防止竞争条件。 - 控制线程或进程的数量，避免系统资源被过度占用。 - 对于简单的并发任务，`concurrent.futures` 是比 `threading` 和 `multiprocessing` 更加简洁和易用的选择 [^5]。