ThreadPoolExecutor 的使用

### 使用 `ThreadPoolExecutor` 的方法及示例

#### 创建线程池并提交任务

为了使用 `ThreadPoolExecutor` 实现并发执行任务，可以通过指定最大工作线程数来创建一个实例。通常情况下，在上下文管理器 (`with` 语句) 中使用该对象能够确保资源被正确释放。

from concurrent.futures import ThreadPoolExecutor

def task_function(param):
    # 执行具体业务逻辑的任务函数
    result = param * 2
    return f"Processed {param} -> Result is {result}"
    
# 定义要处理的数据列表
data_points = [1, 2, 3, 4]

# 使用 with 语句初始化具有固定数量工作者的最大线程池
with ThreadPoolExecutor(max_workers=4) as executor:
    futures = []
    for item in data_points:
        future = executor.submit(task_function, item)
        futures.append(future)

    for fut in futures:
        try:
            print(fut.result())  # 获取已完成任务的结果
        except Exception as exc:
            print('Task generated an exception:', exc)[^1]

上述代码展示了如何定义一个简单的任务函数，并通过 `submit()` 方法向线程池提交多个独立的任务。之后遍历所有的 Future 对象以收集它们完成后的返回值[^2]。

#### 利用 map 函数批量分发任务

除了单独调用 `submit()`, 还可以直接采用更简洁的方式 —— 调用 `map()` 来一次性分配一系列参数给目标函数：

from concurrent.futures import ThreadPoolExecutor

def square_number(x):
    """计算平方"""
    return x*x

numbers_to_process = list(range(5))

with ThreadPoolExecutor(max_workers=8) as executors_pool:
    squared_numbers = list(executors_pool.map(square_number, numbers_to_process))
print(squared_numbers)

这段例子说明了当有大量相似性质的小型任务时，可以借助于 `map()` 方便快捷地将其映射到不同的线程上去执行，最终得到有序的结果集合[^3]。