是否有一个用于工作线程的Pool类，类似于多处理模块的Pool类?
例如，我喜欢并行化映射函数的简单方法
def long_running_func(p):
c_func_no_gil(p)
p = multiprocessing.Pool(4)
xs = p.map(long_running_func, range(100))
然而，我想这样做没有创建新进程的开销。
我知道GIL。然而，在我的用例中，该函数将是一个io绑定的C函数，python包装器将在实际函数调用之前释放GIL。
我必须编写自己的线程池吗?
当前回答
另一种方法是将进程添加到线程队列池中
import concurrent.futures
with concurrent.futures.ThreadPoolExecutor(max_workers=cpus) as executor:
for i in range(10):
a = executor.submit(arg1, arg2,....)
其他回答
另一种方法是将进程添加到线程队列池中
import concurrent.futures
with concurrent.futures.ThreadPoolExecutor(max_workers=cpus) as executor:
for i in range(10):
a = executor.submit(arg1, arg2,....)
我刚刚发现，在多处理模块中实际上有一个基于线程的池接口，但是它有些隐藏，并且没有正确地记录。
它可以通过
from multiprocessing.pool import ThreadPool
它是使用封装python线程的虚拟Process类实现的。这个基于线程的Process类可以在multiprocessing中找到。在文档中简单提到过。这个虚拟模块提供了基于线程的整个多处理接口。
创建新进程的开销是最小的，特别是当只有4个进程时。我怀疑这是您的应用程序的性能热点。保持简单，优化你必须做的和分析结果指向的地方。
是的，它似乎(或多或少)具有相同的API。
import multiprocessing
def worker(lnk):
....
def start_process():
.....
....
if(PROCESS):
pool = multiprocessing.Pool(processes=POOL_SIZE, initializer=start_process)
else:
pool = multiprocessing.pool.ThreadPool(processes=POOL_SIZE,
initializer=start_process)
pool.map(worker, inputs)
....
在Python 3中，你可以使用concurrent.futures。ThreadPoolExecutor,即:
executor = ThreadPoolExecutor(max_workers=10)
a = executor.submit(my_function)
有关更多信息和示例，请参阅文档。
