Python中concurrent.futures模块如何使用

concurrent.futures模块提供ThreadPoolExecutor和ProcessPoolExecutor两类执行器，分别用于I/O密集型和CPU密集型任务；通过submit提交任务返回Future对象，使用result获取结果，map实现并行映射，as_completed处理先完成的任务，配合with语句确保资源安全，适用于常见并发场景。

Python中的concurrent.futures模块提供了一种高级接口来异步执行可调用对象，使用线程或进程池非常方便。它通过ThreadPoolExecutor和ProcessPoolExecutor类简化了并发编程，适合处理I/O密集型或CPU密集型任务。

1. 基本概念与执行器类型

concurrent.futures的核心是Executor抽象类，有两个常用子类：

• ThreadPoolExecutor：适用于I/O密集型任务（如网络请求、文件读写）
• ProcessPoolExecutor：适用于CPU密集型任务（如数学计算、数据处理），能绕过GIL限制

两者都通过submit()提交任务，返回Future对象用于获取结果或状态。

2. 使用ThreadPoolExecutor

下面是一个多线程下载网页的例子：

立即学习“Python免费学习笔记（深入）”；

from concurrent.futures import ThreadPoolExecutor
import requests
def fetch_url(url):
response = requests.get(url)
return len(response.text)
urls = [
"https://www.php.cn/link/5f69e19efaba426d62faeab93c308f5c",
"https://www.php.cn/link/ef246753a70fce661e16668898810624",
"https://www.php.cn/link/5f69e19efaba426d62faeab93c308f5c"
]
with ThreadPoolExecutor(max_workers=3) as executor:
futures = [executor.submit(fetch_url, url) for url in urls]
for future in futures:
    print(f"Result: {future.result()}")
说明：

- max_workers控制最大线程数

- submit()立即返回Future对象

- result()阻塞直到结果可用
3. 使用ProcessPoolExecutor
对于计算密集型任务，使用进程池更高效：

							

								
								

									dmSOBC SHOP网店系统
									
dmSOBC SHOP网店系统由北京时代胜腾信息技术有限公司（http://www.webzhan.com）历时6个月开发完成，本着简单实用的理念，商城在功能上摒弃了外在装饰的一些辅助功能，尽可能的精简各项模块开发，做到有用的才开发，网店V1.0.0版本开发完成后得到了很多用户的使用并获得了好评，公司立即对网店进行升级，其中包括修正客户提出的一些意见和建议，现对广大用户提供免费试用版本，如您在使用
								
								下载 
							
						
from concurrent.futures import ProcessPoolExecutor
import math
def is_prime(n):
if n < 2:
return False
for i in range(2, int(math.sqrt(n)) + 1):
if n % i == 0:
return False
return True
numbers = [1000003, 1000033, 1000037, 1000039]
with ProcessPoolExecutor() as executor:
results = list(executor.map(is_prime, numbers))
print(results)
说明：

- map()类似内置map，但并行执行

- 函数必须可被pickle（不能是lambda或局部函数）
4. 处理多个任务的结果（as_completed）
如果希望任务一完成就处理结果，而不是按顺序等待，可以使用as_completed()：
from concurrent.futures import ThreadPoolExecutor, as_completed
import time
def task(n):
time.sleep(n)
return f"Task {n} done"
with ThreadPoolExecutor() as executor:
futures = [executor.submit(task, t) for t in [3, 1, 2]]
for future in as_completed(futures):
    print(future.result())
输出会先显示耗时短的任务结果，实现“谁先完成谁先处理”。
基本上就这些。掌握submit、map、as_completed和Future.result()这几个核心方法，就能应对大多数并发场景。注意资源管理使用with语句，避免泄漏。不复杂但容易忽略细节。