concurrent 是 Python 的内置包，使用它可以帮助我们完成创建线程池的任务。
| 方法名 | 介绍 | 示例 |
|---|---|---|
| futures.ThreadPoolExecutor | 创建线程池 | tpool=ThreadPoolExecutor(max_workers) |
通过调用 concurrent 包的 futures 模块的 ThreadPoolExecutor 类，通过实例化 ThreadPoolExecutor 实现创建线程池的对象，它有一个参数来设置 线程池的数量。这和创建进程池设置的数量是完全相同的。
接下里看一下线程池对象中都有哪些常用的方法 ：
| 函数名 | 介绍 | 用法 |
|---|---|---|
| submit | 往线程池中添加任务 | submit(target, args) |
| done | 确认线程池中的某个线程是否完成了任务 | done() |
| rsult | 获取当前线程执行任务的结果 | result() |
1、定义一个函数实现循环的效果
2、定义一个线程池，设置线程的数量
# coding:utf-8
import time
from concurrent.futures import ThreadPoolExecutor
def work(i):
print('第 {} 次循环'.format(i))
time.sleep(1) # 之所以每次都要使用 sleep 函数，是因为函数执行太快；通过 sleep 尝试模拟一下长时间的执行一个任务
if __name__ == '__main__':
thread_poor = ThreadPoolExecutor(4) # 实例化一个线程池，设置线程数量为4
for i in range(20):
thread_poor.submit(work, (i,)) # 利用 submit 函数将任务添加至 work 函数
运行效果如下
从运行结果来看，我们的线程任务每次执行4个任务，阻塞一秒后再执行后续的四个线程的任务，是没有问题的。
PS：需要注意的是，运行结果有可能是出现将两个或者多个任务的结果在同一行打印输出，这是因为在同一时间处理了多个线程的任务，这也叫 "并发"。
前文的进程池是与进程锁相对应匹配的，同样的线程池也有与之对应的 线程锁 。线程锁的使用方法几乎与进程锁是一样的，只不过线程锁对应的是线程罢了。
1.实例化一个线程锁
2、在 work 函数中调用线程锁
3、并获取 线程 的返回值(线程池也是可以获取返回值的)
代码示例如下：
# coding:utf-8
import os
import time
import threading
from concurrent.futures import ThreadPoolExecutor
lock = threading.Lock() # 全局定义一个 Lock() 实例
def work(i):
lock.acquire() # 区别于 进程锁 只需要在全局实例化一个即可，线程锁需要在线程任务的函数中调用 线程锁 才会生效
print('当前是第 {} 次循环'.format(i))
time.sleep(1) # 之所以每次都要使用 sleep 函数，是因为函数执行太快；通过 sleep 尝试模拟一下长时间的执行一个任务
lock.release()
return '第 {} 次循环的进程id为：{}'.format(i, os.getpid()) # 线程也是基于进程实现的
if __name__ == '__main__':
thread_poor = ThreadPoolExecutor(4) # 实例化一个线程池，设置线程数量为4
result = []
for i in range(20):
result_thread = thread_poor.submit(work, (i,)) # 利用 submit 函数将任务添加至 work 函数；
# 需要注意的是这里不像进程池那样使用赋值的形式传入 work 函数
result.append(result_thread)
for res in result:
print(res.result())
运行结果如下：
从运行结果可以看到，之前一同执行的4个任务现在变成了一次只执行一个任务；每一个个线程都是在主进程 93215下执行的，说明线程与进程还是有所区别的，虽然我们有多个线程任务在执行，但是依然是在主进程下去完成的；同时我们还获取到了 线程的返回值 第 {} 次循环的进程id为：{}'.format(i, os.getpid() 。
