threadpoolexecutor使用

ThreadPoolExecutor 是 Java 中的一个线程池实现，用于管理和重用线程，从而实现线程的可复用性和高效性。 ThreadPoolExecutor 类提供了很多构造函数，但最常用的是以下构造函数： ```java ThreadPoolExecutor(int corePoolSize, int maximumPoolSize, long keepAliveTime, TimeUnit unit, BlockingQueue<Runnable> workQueue) ``` 其中： - `corePoolSize`：核心线程数，即线程池中始终存在的线程数量。 - `maximumPoolSize`：最大线程数，即线程池中允许的最大线程数量。 - `keepAliveTime`：非核心线程空闲时的存活时间。 - `unit`：存活时间的时间单位。 - `workQueue`：任务队列，用于存储等待执行的任务。 使用 ThreadPoolExecutor 的基本流程如下： 1. 创建 ThreadPoolExecutor 对象，并设置核心线程数、最大线程数、线程空闲时间、任务队列等参数。 2. 提交任务给线程池，由线程池管理和执行任务。 3. 当线程池中的线程数量超过核心线程数时，新提交的任务会被放入任务队列中等待执行。 4. 当任务队列已满时，继续提交任务将触发最大线程数的限制，此时线程池会创建新的线程来执行任务。 5. 当线程池中的线程数量超过最大线程数时，新提交的任务将会被拒绝并抛出异常。 以下是一个使用 ThreadPoolExecutor 的示例代码： ```java import java.util.concurrent.*; public class ThreadPoolExecutorDemo { public static void main(String[] args) { // 创建一个线程池，核心线程数为2，最大线程数为4，空闲线程存活时间为10秒，任务队列容量为10 ThreadPoolExecutor executor = new ThreadPoolExecutor(2, 4, 10, TimeUnit.SECONDS, new ArrayBlockingQueue<>(10)); // 提交10个任务给线程池 for (int i = 1; i <= 10; i++) { executor.submit(new Task(i)); } // 关闭线程池 executor.shutdown(); } static class Task implements Runnable { private int taskId; public Task(int taskId) { this.taskId = taskId; } @Override public void run() { System.out.println("Task " + taskId + " is running on " + Thread.currentThread().getName()); } } } ``` 输出结果如下： ``` Task 1 is running on pool-1-thread-1 Task 2 is running on pool-1-thread-2 Task 3 is running on pool-1-thread-1 Task 4 is running on pool-1-thread-2 Task 5 is running on pool-1-thread-1 Task 6 is running on pool-1-thread-2 Task 7 is running on pool-1-thread-3 Task 8 is running on pool-1-thread-4 Task 9 is running on pool-1-thread-1 Task 10 is running on pool-1-thread-2 ``` 可以看到，线程池中的线程会复用，任务会在空闲的线程上执行，当线程池中线程数量不足时，新的线程会被创建。

### 如何使用 Python `ThreadPoolExecutor` 示例 #### 创建并配置线程池 为了创建一个线程池，可以实例化 `ThreadPoolExecutor` 类，并指定最大工作线程数。这允许并发执行多个任务而无需手动管理线程。 ```python from concurrent.futures import ThreadPoolExecutor executor = ThreadPoolExecutor(max_workers=32) # 设置最多有32个工作线程[^1] ``` #### 提交单个任务给线程池 通过调用 `submit()` 方法向线程池提交单一的任务。此方法立即返回一个表示该未来结果的对象 (`Future`) 而不是阻塞主线程直到完成操作。 ```python future = executor.submit(io_bound_work, argument) # 这里假设有一个名为 'io_bound_work' 的 I/O 密集型函数以及相应的参数 'argument' ``` #### 批量处理任务列表 当需要批量处理一系列相似的任务时，推荐使用 `map()` 函数来简化代码逻辑。它会自动分配这些任务到不同的线程中去执行，并按顺序收集它们的结果。 ```python def io_bound_work(page): time.sleep(page) print(f"work {page} finished.") return page if __name__ == '__main__': with ThreadPoolExecutor(max_workers=32) as executor: results = list(executor.map(io_bound_work, [3, 2, 1])) for result in results: print(f"work result: {result}") ``` 上述代码展示了如何定义一个简单的I/O密集型工作任务 `io_bound_work` 并将其传递给 `ThreadPoolExecutor` 来异步执行。这里还演示了如何利用上下文管理器(`with`语句)确保资源被正确释放[^2]。 #### 关闭线程池 一旦所有的任务都完成了，应该关闭线程池以防止新的任务加入其中。可以通过调用 `shutdown(wait=True)` 实现这一点，默认情况下这个过程是同步的，意味着程序将会一直等到所有的工作都被完成后才会继续往下走。 ```python executor.shutdown() # 可选参数 wait=False 表示不等待现有任务结束就立刻停止接收新任务[^3] ```