Python推荐用concurrent.futures.ThreadPoolExecutor管理线程池，适用于I/O密集型任务；需用with管理资源，submit返回Future，map批量提交，注意异常处理与超时控制。
Python 中推荐使用 concurrent.futures 模块管理线程池，它封装了底层 threading 的复杂逻辑，提供统一、简洁的接口。核心是 ThreadPoolExecutor 类，适合 I/O 密集型任务（如网络请求、文件读写），不适用于 CPU 密集型场景（此时应选 ProcessPoolExecutor）。
创建与基本使用
通过 with 语句自动管理资源，避免忘记调用 shutdown()：
- 指定
max_workers控制最大并发线程数（默认为min(32, os.cpu_count() + 4)） -
submit()提交单个任务，返回Future对象，可调用result()阻塞获取结果 - 多个任务可用
map()批量提交，行为类似内置map，自动按序返回结果
获取执行结果的两种方式
方式一：逐个处理 Future
适用于需要立即响应、或对每个任务做独立错误处理的场景：
- 用
executor.submit(func, *args)得到future - 调用
future.result(timeout=5)获取结果，超时抛出TimeoutError - 用
future.exception()检查是否发生异常（非阻塞）
方式二：批量处理 map 结果
适合参数结构一致、结果顺序敏感的任务：
-
executor.map(func, iterables)返回迭代器，按输入顺序产出结果 - 若某次调用出错，异常会在对应位置被
next()或遍历时抛出 - 不支持传入多个参数列表（需用
functools.partial或 lambda 封装）
异常处理与超时控制
线程中异常不会自动传播到主线程，必须显式检查：
-
submit后立即调用future.exception()可判断是否失败（返回None表示无异常） -
result(timeout=...)是最常用的等待+取值+捕获异常方式 - 建议总配合
try/except使用，尤其在循环提交多个任务时
例如：不要忽略 timeout 参数，否则一个卡死的请求可能拖垮整个池。
立即学习“Python免费学习笔记（深入）”；
进阶技巧：控制生命周期与复用
线程池不是“即用即弃”的工具，合理复用能显著提升性能：
- 避免在循环内反复创建/销毁
ThreadPoolExecutor实例 - 长期运行的服务中，可将 executor 作为模块级变量或类属性持久化
- 调用
shutdown(wait=True)等待所有任务完成；wait=False则立即返回，后台继续执行 - 注意：已 shutdown 的 executor 不可再 submit 新任务
