thread_list = [] for ip in tqdm(ip_list): t = threading.Thread(target=scan_port, args=(src_ip,src_port,ip, ports,i,timeout,method)) thread_list.append(t) for thread in tqdm(thread_list): thread.start() while threading.active_count() > thread_max: time.sleep(0.001) 将这段代码改为使用进程池实现

可以使用`concurrent.futures`中的`ProcessPoolExecutor`类来实现进程池。下面是一个使用进程池的示例代码：

import concurrent.futures

with concurrent.futures.ProcessPoolExecutor(max_workers=4) as executor:
    futures = []
    for ip in ip_list:
        future = executor.submit(scan_port, src_ip, src_port, ip, ports, i, timeout, method)
        futures.append(future)
    for future in concurrent.futures.as_completed(futures):
        try:
            result = future.result()
            # do something with result
        except Exception as e:
            print(e)

在上面的代码中，我们首先创建了一个`ProcessPoolExecutor`对象，将其`max_workers`参数设置为4，表示进程池中最多可以有4个进程同时执行任务。然后，我们使用`executor.submit`方法将多个任务提交到进程池中，并获得一个`Future`对象列表。这些`Future`对象代表了每个任务的执行结果，我们可以使用`as_completed`方法来迭代这些`Future`对象，并在任务完成后处理其结果。

需要注意的是，由于进程之间的通信成本较高，使用进程池可能会比使用线程池更耗时。因此，在选择使用进程池还是线程池时，需要根据具体情况进行权衡。