python多线程与线程池

线程：是任务的执行者。
进程：是一个动态的概念。
适用情况：
IO密集用多线程。
CPU密集用多进程。

原因：Cpython解释器中使用了GIL全局解释锁，一个进程只有一个锁。只有拿到这个锁的线程才能获取解释器，取解释执行代码。这就导致了即使开了多线程，实际上只有一个线程在执行。
      因此当进行CPU计算密集的任务时候。即使开了多线程也没用。故而需要实现多进程，这样才能保证几个计算是同时执行的。

线程池：
线程的创建和销毁都需要消耗资源。为了避免频繁的创建销毁线程造成资源浪费。提出了多线程的概念。
线程池实际上就是规定了一个最大线程数，同时实现了任务队列。
当一个任务到来的时候，如果有空线程，则将任务分配给该线程。
如果没有空线程，则检查当前存在的线程数是否＜最大线程数。
如果小于，则创建线程，分配任务。
如果已经达到了最大线程数，那么不好意思，您去任务队列里排队等着线程空出来。

  线程池的一些缺点包括：

    需要合理配置：线程池的性能和效果受到配置参数的影响，需要根据具体的应用场景和硬件环境来合理配置线程池的大小、任务队列的大小等参数。
    可能引发资源泄露：如果线程池中的线程长时间闲置而不被使用，可能会导致资源的浪费和泄露。
    可能引发死锁：在使用线程池时，如果任务之间存在依赖关系，可能会引发死锁问题，需要额外的注意和处理。

代码：

import time
from concurrent.futures import ThreadPoolExecutor, as_completed

def task(n):
    """模拟一个耗时任务"""
    print(f"Task {n} started at {time.strftime('%H:%M:%S', time.localtime())}")
    time.sleep(n)
    print(f"Task {n} finished at {time.strftime('%H:%M:%S', time.localtime())}")
    return n * n

def main():
    # 定义任务列表
    tasks = [1, 2, 3, 4, 5]

    # 创建一个线程池，最多同时运行5个线程
    with ThreadPoolExecutor(max_workers=5) as executor:
        # 提交任务到线程池
        futures = {executor.submit(task, n): n for n in tasks}

        # 处理已完成的任务
        for future in as_completed(futures):
            n = futures[future]
            try:
                result = future.result()
                print(f"Task {n} returned: {result}")
            except Exception as e:
                print(f"Task {n} generated an exception: {e}")

if __name__ == "__main__":
    main()