Python concurrent.futures.ThreadPoolExecutor 用于高效处理 I/O 密集型任务，支持 submit() 提交异步任务、map() 批量调用、as_completed() 按完成顺序获取结果，需合理设置 max_workers、用 with 管理生命周期，并通过 result() 或 exception() 处理异常。
Python 中 concurrent.futures 是标准库中用于简化并发编程的模块，它封装了线程（ThreadPoolExecutor）和进程（ProcessPoolExecutor）的执行逻辑，让你不用手动管理线程/进程的创建、调度与回收。对 I/O 密集型任务（如网络请求、文件读写），用线程池最常用也最有效。
ThreadPoolExecutor 基本用法
创建线程池后，通过 submit() 提交单个任务，或用 map() 批量提交相同函数的不同参数。任务返回 Future 对象，可用来检查状态、获取结果或处理异常。
- submit()：适合异步提交不同函数或带不同参数的任务，返回单个 Future
- map()：适合对一组输入统一调用同一个函数，返回迭代器，自动按提交顺序产出结果（不是完成顺序）
-
as_completed()：若想按任务完成先后顺序处理结果，需配合
concurrent.futures.as_completed()使用
控制线程数量与生命周期
线程池大小默认是 min(32, os.cpu_count() + 4)，但对 I/O 任务，通常设为 10–50 更合理；太多线程反而因上下文切换开销降低性能。务必用 with 语句或显式调用 shutdown() 来释放资源。
- 初始化时传入
max_workers=10可限制最大并发线程数 -
shutdown(wait=True)（默认）会等待所有已提交任务完成才退出 -
shutdown(wait=False)立即返回，后台继续运行未完成任务（不推荐，易丢失结果）
异常处理与结果获取
线程中抛出的异常不会直接冒泡到主线程，而是被封装进 Future 对象。必须显式调用 future.result() 才会触发异常重抛；用 future.exception() 可静默检查是否出错。
Python v2.4版chm格式的中文手册，内容丰富全面，不但是一本手册，你完全可以把她作为一本Python的入门教程，教你如何使用Python解释器、流程控制、数据结构、模板、输入和输出、错误和异常、类和标准库详解等方面的知识技巧。同时后附的手册可以方便你的查询。
立即学习“Python免费学习笔记（深入）”；
- 调用
result()会阻塞，直到任务完成；可加timeout参数避免无限等待 - 批量处理时，建议用
try/except包裹result()，单独处理每个任务的失败 - 不要在循环中频繁调用
result()而不 await 或 as_completed —— 这会退化成串行执行
实用小技巧与避坑提醒
线程池不是万能的。CPU 密集型任务建议用 ProcessPoolExecutor；共享变量需注意线程安全；全局解释器锁（GIL）让多线程无法真正并行计算，但不影响 I/O 并发。
- 避免在
submit()中传入 lambda 或嵌套函数（序列化问题），优先用普通函数名 - 不要在线程中修改模块级变量或全局状态，除非加锁（
threading.Lock） - 长时间运行的任务应主动响应中断（比如定期检查
threading.current_thread().ident是否有效，或使用concurrent.futures.wait()配合 timeout 控制）
掌握好 ThreadPoolExecutor 的提交方式、生命周期管理和错误处理，就能写出简洁又健壮的并发代码。不复杂但容易忽略细节。
