线程池通过复用线程提升并发效率，Python中使用concurrent.futures.ThreadPoolExecutor可简化多线程管理，适用于IO密集型任务，需合理设置线程数并处理异常与资源释放。
Python中使用线程池可以有效管理多个线程，避免频繁创建和销毁线程带来的性能开销。线程池的核心思想是预先创建一定数量的线程并放入“池”中，任务提交后由空闲线程执行，提升并发效率。
线程池的基本使用（concurrent.futures）
Python标准库concurrent.futures提供了简单易用的线程池实现ThreadPoolExecutor，无需手动管理线程生命周期。
示例代码：
from concurrent.futures import ThreadPoolExecutor
import time
<p>def task(n):
print(f"开始执行任务 {n}")
time.sleep(2)
return f"任务 {n} 完成"</p><h1>创建最多包含3个线程的线程池</h1><p>with ThreadPoolExecutor(max_workers=3) as executor:</p><p><span>立即学习</span>“<a href="https://pan.quark.cn/s/00968c3c2c15" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">Python免费学习笔记（深入）</a>”；</p><h1>提交多个任务</h1><pre class="brush:php;toolbar:false;">futures = [executor.submit(task, i) for i in range(5)]
# 获取结果
for future in futures:
print(future.result())
上面代码会并发执行任务，但最多同时运行3个线程。submit()提交任务返回Future对象，result()用于获取执行结果，自动阻塞等待完成。
线程池的工作原理
ThreadPoolExecutor内部通过以下机制实现高效调度：
- 工作队列（work queue）：存放待执行的任务，通常是FIFO队列
- 固定线程集合：启动时创建指定数量的worker线程，持续从队列中取任务执行
- 任务调度：调用submit或map时，任务被放入队列，空闲线程立即处理
- 资源复用：线程执行完一个任务后不退出，继续尝试获取新任务，减少创建开销
当任务数超过max_workers时，多余任务会在队列中等待，直到有线程空闲。这种方式平衡了资源占用与并发能力。
高级用法与异常处理
实际开发中需关注任务异常、批量提交和超时控制。
例如使用map简化批量任务：
with ThreadPoolExecutor(max_workers=3) as executor:
results = executor.map(task, range(5))
for result in results:
print(result)
捕获任务异常：
由于result()调用时才会抛出异常，建议包裹try-except：
future = executor.submit(task, 1)
try:
result = future.result(timeout=3) # 支持超时
except Exception as e:
print(f"任务出错: {e}")
适用场景与注意事项
线程池除了简化并发编程，还适用于IO密集型操作，如网络请求、文件读写等。CPU密集型任务受GIL限制，建议使用多进程。
使用时注意：
- 合理设置max_workers，通常设为CPU核心数的几倍（如2~5倍），具体根据IO等待时间调整
- 及时调用shutdown()或使用上下文管理器，防止资源泄漏
- 共享数据时仍需加锁（如Lock），线程池不解决线程安全问题
基本上就这些。ThreadPoolExecutor封装了底层细节，让开发者专注任务逻辑，是Python中推荐的多线程管理方式。
