基于concurrent.futures的进程池 和线程池

concurrent.futures：是关于进程池 和 线程池 的

官方文档

https://docs.python.org/dev/library/concurrent.futures.html

现讲进程池把，看文档你会发现，两种池的用法几乎是一样的

一段代码来了：

from concurrent.futures import ProcessPoolExecutor
impor time,os
def work(n):
    print('%s is running'% os.getpid())
    print('%s is end'% os.getpid())
    return n**
if __name__ == '__main__':
    p = ProcessPoolExecutor() # 默认是CPU的个数
    start = time.time()
    l = []
    for i in range():
        obj = p.submit(work,i)
        l.append(obj)
    p.shutdown()
    print([obj.result() for obj in l])
    print(time.time()-start)

欧克！在上面的代码中 有几个关键的方法和类。

ProcessPoolExecutor ：看类的名字，进程池， 创建进程池的，需要注意的是ProcessPoolExecutor()括号内默认的是本机的CPU个数。

p.submit 类似与Pool的apply_async方法，给进程传值，submit（函数名，函数的参数）

obj.result() 看看这个接口的名字，多好领会，得到结果的， 这个result（）上面的方法submit（）得到的结果是一个对象，想要得到实际的值，obj.result（）就得得到值了，
　　是不是很简单

p.shutdown() 这个shutdown是用来等的，谁等呢，在哪里写的就是谁等，等上面的子进程运行完，在运行下面的。

还有一个map方法 ，我们再来看段代码。

from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
import time,os
from threading import currentThread
def work(n):
    print('%s is running'% currentThread().name)
    time.sleep(2)
    print('%s is end'% currentThread().name)
    return n**2
if __name__ == '__main__':
    p = ThreadPoolExecutor() # 默认的CPU的个数*5
    obj = p.map(work,range(10))  # 迭代器
    p.shutdown()
    print(list(obj))

map方法

得到的是一个对象  obj=map（函数名，可迭代的对象）

就这么简单，跟之前的内置函数一样。

线程池中唯一不同的就是：

p = ThreadPoolExecutor() # 默认的CPU的个数*5