【Python编程】ThreadPoolExecutor 全面指北（1）什么是线程池

    整个文章将被分多个部分，全面剖析python标准库concurrent.futures模块下的ThreadPoolExecutor类。

    第一部分让我们先了解什么是线程池。

（如果想直接了解ThreadPoolExecutor如何使用，不妨直接看（4）ThreadPoolExecutor 例子）

# Terra 星环  from threading import Thread  import time  
# 这是线程函数  def task():      time.sleep(1)      print('这是子线程')  
# 创建一个Thread类的实例如下，通过target参数指定线程函数  thread = Thread(target=task)  
# 启动线程  thread.start()  
# 打印主线程消息  print('这是主线程，等待子线程')  
# 等待线程完成  thread.join()

这是主线程，等待子线程  这是子线程

    像上面例子，一次性简单任务创建一个单独的子线程是有效的，但当你有大量繁重的任务就比较繁琐了。

    每个线程创建时都需要系统资源（线程栈空间耗费的内存），如果为了繁重任务一次又一次创建销毁线程，增加系统负担，会适得其反。

    所以，如何保留线程以便复用？如何有效管理线程？线程池应运而生。

    一个线程池负责固定数量的线程：

• 控制多线程创建时间（使用时创建）

• 控制多线程在闲置期等待，以免耗费系统资源

    线程池中每一个线程称工作线程（worker），工作线程的设计目的是在任务完成后可以复用。如果任务中发生异常，线程池还会保护工作线程不受到影响。

    线程池提供可以配置工作线程的方法，例如运行一个初始化函数，并使用一个特定的命名规则，命名每个工作线程。

    线程池提供一个通用接口，用于给执行的任务传参，且不需要我们选择某个进程，也不需要start(),join()

    线程池相比手动管理线程更加效率，尤其是当任务量比较庞大时。

    ThreadPoolExecutor类在Python中能让你创建、管理你的线程池。尽管从python 3.2起，标准库concurrent.futures模块，就提供了ThreadPoolExecutor类，但使用得并不是很广泛，大部分人认为python不适合高并发开发，因为GIL（全局解释器锁），但实际是不是这样，恐怕只有理解透彻了，才能回答这个问题。

    后续将详细的全面的探讨ThreadPoolExecutor，包括如何工作，怎么使用，常见问题等，当然，学习代码的最佳方式多敲。