gevent.threadpool -本地线程池#
- class ThreadPool(maxsize, hub=None, idle_task_timeout=-1)[源代码]#
基类：
GroupMappingMixin本机工作线程池。
这对于CPU密集型函数或那些不与gevent协作的函数非常有用。在线程池中执行的最佳函数是具有单一目的的小函数；理想情况下，它们会释放cpythongil。这些函数是用C语言实现的扩展函数。
它实现与
gevent.pool.Pool，但使用线程而不是greenlets。备注
方法
apply_async()将始终返回一个新的greenlet，完全绕过threadpool。大多数用户不需要创建此类的实例。相反，请使用已经与gevent的hub关联的线程池：
pool = gevent.get_hub().threadpool result = pool.spawn(lambda: "Some func").get()
重要
只能从运行其集线器的线程中使用此类的实例。通常这意味着从创建它们的线程开始。使用上面显示的模式可以解决这个问题。
但是，gevent没有提供一种方法，在执行此操作时对不同池中的线程数量进行单个进程范围的限制。建议使用gevent和threadpools的方法是有一个gevent集线器和一个threadpool（这是默认值，不需要做任何额外的工作）。只向线程池（不使用gevent hub的函数）分配最小的阻塞函数。
这个
len此类的实例数是已排队（未完成）的任务数。就在任务开始在工作线程中运行之前，
threading.setprofile()和threading.settrace()都被咨询过了。其中的任何值都会在任务持续时间内安装在该线程中(使用sys.setprofile()和sys.settrace()，分别)。(因为工作线程很长，并且比任何给定的任务都持续时间长，所以这种安排允许钩子函数在任务之间更改，但不允许它们看到工作线程本身完成的记账。)小心
此类的实例只有在有未完成的任务时才为真。
在 1.5a3 版本发生变更: 无证件者
apply_e函数（自1.1以来已弃用）已被删除。在 20.12.0 版本发生变更: 在工作线程运行所提供的任务时，在工作线程中安装配置文件和跟踪函数。
在 22.08.0 版本发生变更: 添加让空闲线程过期并在以下时间后从池中删除的选项 idle_task_timeout 秒(-1表示无超时)
- apply(func, args=None, kwds=None)#
粗等价于
apply()内置函数，阻塞直到结果准备好并返回。这个
func将 通常 ，但不是 总是 ，以允许当前greenlet退出的方式运行（例如，在新greenlet或线程中，取决于实现）。但是，如果当前的greenlet或线程已经是该池生成的线程，则该池可以选择立即运行func同步。备注
已实现，正在尝试使用
Threadpool.apply()在threadpool（任何threadpool）中生成的另一个函数将导致该函数立即运行。在 1.1a2 版本发生变更: 现在引发由引发的任何异常 func 而不是扔掉它。
- apply(func, args=None, kwds=None)#
粗等价的
apply()内置函数阻塞，直到结果准备好并返回。这个
func将 通常 ，但不是 总是 ，以允许当前greenlet退出的方式运行（例如，在新greenlet或线程中，取决于实现）。但是，如果当前的greenlet或线程已经是该池生成的线程，则该池可以选择立即运行func同步。任何例外情况
func引发将传播到的调用方apply（即，此方法将引发以下异常：func凸起）。
- apply_async(func, args=None, kwds=None, callback=None)#
-
当返回的格林莱特开始运行时， will 调用
apply()，传球 func ， args 和 kwds .如果 回调 指定了，则它应该是接受单个参数的可调用文件。当结果变为就绪时，将对其应用回调（除非调用失败）。
即使此组已满，此方法也不会阻塞（即，即使
spawn()会阻塞，此方法不会）。小心
作为该组的一部分，可能会跟踪或不跟踪返回的greenlet，因此
joining这个组不是等待结果可用或等待返回的greenlet运行的可靠方法；而是加入返回的greenlet。小技巧
因为
ThreadPool对象不跟踪greenlet，返回的greenlet将永远不会是其中的一部分。为了减少开销和提高性能，Group和Pool可以选择跟踪返回的greenlet。这些是可能更改的实现细节。
- apply_cb(func, args=None, kwds=None, callback=None)#
apply()给定的 func(* ARGS， * * KWDS） *，如果是 回调 给定，运行结果为 func*（除非引发异常。）这个 回调 可以同步或异步调用。如果异步调用，则此组不会跟踪它。 (
Group和Pool在新的greenlet中异步调用它；ThreadPool在当前greenlet中同步调用。）
- imap(func, *iterables, maxsize=None) iterable#
相当于
itertools.imap()，并联运行。这个 func 应用于从中的每个iterable生成的每个元素 迭代函数 反过来，收集结果。如果此对象绑定了活动greenlet的数量，则它可以包含（例如
Pool，则最多该数量的任务将并行操作。- 参数:
maxsize (int) -- 如果给定而不是无，则指定等待读卡器时允许累积的已完成结果的最大数量；超过该数量的结果将导致映射函数greenlet开始阻塞。如果在映射代码的速度和使用者之间存在很大的差异，并且结果消耗了大量的资源，那么这是最有用的。…注意：这与活动并行任务数量上的任何绑定都是分开的，尽管它们可能有一些交互作用（例如，将并行任务数量限制为最小绑定）。…注意：使用绑定比不使用绑定的计算开销稍高。…提示：
imap_unordered()方法可以更好地使用此参数。一些额外的、未指定的对象数量可能需要保存在内存中，以维持此函数的顺序。- 返回:
无法识别的对象。
在 1.1b3 版本发生变更: 增加了 最大尺寸 关键字参数。
在 1.1a1 版本发生变更: 接受多个 迭代函数 并行迭代。
- imap_unordered(func, *iterables, maxsize=None) iterable#
一样
imap()除了返回的迭代器的结果的顺序应该以任意顺序考虑之外。这个比
imap()如果订单无关紧要，则应优先考虑。参见
imap()了解更多详细信息。
- map_async(func, iterable, callback=None)#
map（）方法的变种，它返回执行map函数的greenlet对象。
如果指定了回调，则它应该是接受单个参数的可调用的。
- spawn(func, *args, **kwargs)[源代码]#
将新任务添加到将运行的线程池
func(*args, **kwargs).等待直到插槽可用。如有必要，创建新的本机线程。
只能从拥有此对象集线器的本机线程调用它。这是因为创建必要的数据结构来与此线程通信是不安全的，因此集线器不能运行其他东西。另外，确保池大小保持正确只在单个线程中有效。
- 返回:
- 抛出:
InvalidThreadUseError -- 如果从其他线程调用。
在 1.5 版本发生变更: 记录螺纹安全要求。
- property maxsize#
允许的最大工作线程数。
这也是（大约）可以在不阻塞等待的greenlet的情况下排队的任务数的限制。如果这么多任务已经在运行，那么下一个提交任务的greenlet将阻塞等待任务完成。
- class ThreadPoolExecutor(*args, **kwargs)[源代码]#
基类：
ThreadPoolExecutor一个版本
concurrent.futures.ThreadPoolExecutor它总是使用本机线程，即使线程是猴子补丁。这个
Future从该对象返回的对象可以与gevent等待原语一起使用，例如gevent.wait().小心
如果线程是 not 猴子修补了，然后
Future此对象返回的对象不能保证与as_completed()和wait(). 单独的阻塞方法如result()和exception()会一直有效。在 1.2a1 版本加入: 这是一个临时API。
采用与相同的参数
concurrent.futures.ThreadPoolExecuter，这在Python版本之间有所不同。第一个论点总是 max_workers ，要使用的最大线程数。大多数其他论点，虽然被接受，却被忽略了。
- kill(wait=True, **kwargs)#
清理与执行器关联的资源。
多次调用此方法是安全的。否则，在此方法之后不能调用其他方法。
- ARG:
- 等待：如果为真，则关闭将不会返回，直到所有运行
期货已经执行完毕，执行人使用的资源已经回收。
- Cancel_Futures：如果为True，则关闭将取消所有挂起的
未来。已建成或正在运行的期货不会被取消。