当前位置:首页 > 文章列表 > 文章 > python教程 > Python多线程获取结果的几种方法

Python多线程获取结果的几种方法

2025-12-18 15:40:54 0浏览 收藏

今天golang学习网给大家带来了《Python多线程获取返回值方法详解》,其中涉及到的知识点包括等等,无论你是小白还是老手,都适合看一看哦~有好的建议也欢迎大家在评论留言,若是看完有所收获,也希望大家能多多点赞支持呀!一起加油学习~

Python中推荐使用concurrent.futures.ThreadPoolExecutor获取多线程返回值:通过submit()返回Future对象并调用result()获取结果,或用as_completed()按完成顺序处理,或用map()按输入顺序批量执行。

如何使用python多线程并返回值?

Python中使用多线程并获取返回值,可以通过多种方式实现。最常用的是结合concurrent.futures.ThreadPoolExecutor和submit()方法,这种方式简洁且支持返回值的获取。

使用 ThreadPoolExecutor 获取线程返回值

ThreadPoolExecutor 是 concurrent.futures 模块中的高级接口,能方便地管理线程池,并通过 Future 对象获取执行结果。

from concurrent.futures import ThreadPoolExecutor import time

def task(n): time.sleep(1) return n * n

创建线程池,提交多个任务

with ThreadPoolExecutor(max_workers=3) as executor: futures = [executor.submit(task, i) for i in range(5)]

# 获取返回值
for future in futures:
    print(future.result())  # 会阻塞直到结果可用

说明:

  • executor.submit() 提交函数并返回一个 Future 对象
  • future.result() 用于获取执行结果,若任务未完成则阻塞等待
  • 可以按顺序或使用 as_completed() 获取最先完成的任务结果

使用 as_completed 提前获取已完成任务的结果

如果你希望哪个线程先执行完就先处理其结果,可以用 as_completed():

from concurrent.futures import ThreadPoolExecutor, as_completed

def task(n): import time time.sleep(n) return f"task {n} done"

with ThreadPoolExecutor(max_workers=3) as executor: tasks = [executor.submit(task, i) for i in [2, 1, 3]]

for future in as_completed(tasks):
    print(future.result())

输出顺序将按执行完成时间排列,而不是提交顺序。

使用 map 简化批量任务

如果任务是同一种函数处理不同参数,executor.map() 更简洁:

with ThreadPoolExecutor(max_workers=3) as executor: results = executor.map(task, [1, 2, 3, 4]) for result in results: print(result)

map 返回迭代器,按输入顺序返回结果,适合不需要并发等待控制的场景。

基本上就这些。用 ThreadPoolExecutor 是目前最推荐的方式,既能并发执行,又能安全获取返回值,无需手动管理线程和共享变量。

好了,本文到此结束,带大家了解了《Python多线程获取结果的几种方法》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!

PHP音频播放问题解决指南PHP音频播放问题解决指南
上一篇
PHP音频播放问题解决指南
Windows10查看本机IP教程
下一篇
Windows10查看本机IP教程
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    485次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    541次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    563次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    518次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    332次使用