Python自定义线程池实现:从基础到进阶的两种方案

Finn
Finn
发布时间:2026-10-13| 2人浏览过
原创

本文深入解析Python中自定义线程池的实现原理,通过两个版本展示如何基于Queue队列管理线程资源。低阶版演示线程复用机制,进阶版引入任务队列与回调函数,详细阐述设计思路、代码实现及性能优化要点,帮助开发者掌握高效并发处理技巧。

为什么需要引入线程池机制?

假设我们采用“有任务即创建子线程,任务完成后销毁或等待其自然结束”的策略,当面对大量耗时短但数量庞大的任务时,线程的创建与销毁所消耗的时间将远超实际计算时间,导致整体执行效率低下。

线程池的核心原理:

正如“线程池”这一名称所暗示的,其核心思想是将固定数量的可用子线程预先放入一个“池”中。当有新任务到来时,从池中取出一个线程执行;任务结束后,线程并不立即销毁,而是返回池中等待下一个任务。这种方式显著降低了内存和CPU的开销,同时允许我们精确控制并发线程的数量。

线程池的具体实现方式:

Python提供了多种线程池的实现路径,其中利用Queue(队列)是一种高效且简洁的方案。由于Python中的Queue原生支持同步操作,具备线程安全性,因此可以安全地被多个线程共享使用。

构建线程池时,除了管理线程的“线程池”,还需要一个存放待执行任务的“任务池”。各线程从任务池中获取任务并执行,而使用Queue来实现任务池是极为合适的选择。

1. 基础版线程池实现

设计思路:基于Queue队列机制

将线程类名预置入队列中,每执行一个任务便从队列中取出一个类名进行实例化。

import queue
import threading
class ThreadPool(object):
  def __init__(self, max_num=20):
    self.queue = queue.Queue(max_num) #创建队列,最大数为20
    for i in range(max_num):
      self.queue.put(threading.Thread) #将类名放入队列中
  def get_thread(self):
    return self.queue.get() #从队列中取出类名
  def add_thread(self):
    self.queue.put(threading.Thread) #进类名放入队列中
def func(arg, p): #定义一个函数
  print(arg)
  import time
  time.sleep(2)
  p.add_thread()
pool = ThreadPool(10) #创建对象,并执行该类的构造方法,即将线程的类名放入队列中
for i in range(30):
  thread = pool.get_thread() #调用该对象的get_thread方法,取出类名
  t = thread(target=func, args=(i, pool)) #创建对象,执行func,参数在args中
  t.start()

该方法的局限性在于要求使用者修改原始函数并在其中传递参数,且调用方式发生了改变。此外,空闲线程会持续占用资源,造成浪费,在实际操作中并不便捷,因此设计了下一版更完善的线程池。

2. 进阶版线程池实现

设计思路:基于Queue队列机制优化

a. 队列中存放具体任务对象。 b. 线程持续从队列中获取任务执行,一旦空闲即尝试获取新任务。

import queue
import threading
import contextlib
import time
StopEvent = object()
class ThreadPool(object):
  def __init__(self, max_num, max_task_num = None):
    if max_task_num:
      self.q = queue.Queue(max_task_num)
    else:
      self.q = queue.Queue()
    self.max_num = max_num
    self.cancel = False
    self.terminal = False
    self.generate_list = []
    self.free_list = []
  def run(self, func, args, callback=None):
    """
    线程池执行一个任务
    :param func: 任务函数
    :param args: 任务函数所需参数
    :param callback: 任务执行失败或成功后执行的回调函数,回调函数有两个参数1、任务函数执行状态;2、任务函数返回值(默认为None,即:不执行回调函数)
    :return: 如果线程池已经终止,则返回True否则None
    """
    if self.cancel:
      return
    if len(self.free_list) == 0 and len(self.generate_list) < self.max_num:
      self.generate_thread()
    w = (func, args, callback,)
    self.q.put(w)
  def generate_thread(self):
    """
    创建一个线程
    """
    t = threading.Thread(target=self.call)
    t.start()
  def call(self):
    """
    循环去获取任务函数并执行任务函数
    """
    current_thread = threading.currentThread()
    self.generate_list.append(current_thread)
    event = self.q.get()
    while event != StopEvent:
      func, args, callback = event
      try:
        result = func(*args)
        success = True
      except Exception as e:
        success = False
        result = None
      if callback is not None:
        try:
          callback(success, result)
        except Exception as e:
          pass
      with self.worker_state(self.free_list, current_thread):
        if self.terminal:
          event = StopEvent
        else:
          event = self.q.get()
    else:
      self.generate_list.remove(current_thread)
  def close(self):
    """
    执行完所有的任务后,所有线程停止
    """
    self.cancel = True
    count = len(self.generate_list)
    while count:
      self.q.put(StopEvent)
      count -= 1
  def terminate(self):
    """
    无论是否还有任务,终止线程
    """
    self.terminal = True
    while self.generate_list:
      self.q.put(StopEvent)
    self.q.queue.clear()
  @contextlib.contextmanager
  def worker_state(self, state_list, worker_thread):
    """
    用于记录线程中正在等待的线程数
    """
    state_list.append(worker_thread)
    try:
      yield
    finally:
      state_list.remove(worker_thread)
# How to use
pool = ThreadPool(5)
def callback(status, result):
  # status, execute action status
  # result, execute action return value
  pass
def action(i):
  print(i)
for i in range(30):
  ret = pool.run(action, (i,), callback)
time.sleep(3)
print(len(pool.generate_list), len(pool.free_list))
print(len(pool.generate_list), len(pool.free_list))
pool.close()
# pool.terminate()

总结

以上即为Python自定义实现线程池的完整解析,希望能为读者提供有益参考。感兴趣的朋友可进一步阅读本站关于python模块__all__属性详解、Python面向对象编程基础解析(二)等内容。如有疏漏,欢迎留言指正。感谢各位的支持!

免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。

Python 相关产品和应用

全部下载
Selenium

Selenium

4.51.0 · Windows

用于浏览器自动化和 Web 测试的 Python 工具。

scikit-learn

scikit-learn

1.9.1 · Windows

常用 Python 机器学习算法与模型评估工具库。

Black

Black

26.10.1 · Windows

强调一致性的 Python 自动代码格式化工具。

Ruff

Ruff

0.17.1 · macOS

由 Rust 编写的高速 Python 代码检查和格式化工具。

pytest

pytest

9.1.1 · Windows

简洁而强大的 Python 自动化测试框架。

FastAPI

FastAPI

0.146.0 · Windows

高性能 Python API 框架,支持类型提示和自动接口文档。

Flask

Flask

3.1.3 · Windows

轻量灵活的 Python Web 应用框架。

Django

Django

6.1.2 · Windows

成熟的 Python Web 框架,适合构建内容站点和业务系统。

Spyder

Spyder

6.1.7 · Windows

面向科学计算与数据分析的 Python 集成开发环境。

SciPy

SciPy

1.18.1 · Windows

面向科学、工程和技术计算的 Python 算法库。