Python中的线程池：如何随机生成20个任务

在Python中，可以使用concurrent.futures模块来创建线程池并管理任务的执行。线程池可以帮助我们同时处理多个任务，提高程序的性能和效率。下面是如何随机生成20个任务并使用线程池的示例代码：

import concurrent.futures
import random
import time

def task(number):
    # 执行任务的函数，这里模拟任务执行需要的时间
    time.sleep(random.randint(1, 5))
    return f"Task {number} completed"

# 创建线程池
with concurrent.futures.ThreadPoolExecutor() as executor:
    # 提交任务到线程池
    task_results = [executor.submit(task, number) for number in range(1, 21)]
    
    # 获取任务的执行结果
    for future in concurrent.futures.as_completed(task_results):
        try:
            result = future.result()
            print(result)
        except Exception as e:
            print(f"An exception occurred: {e}")

上述代码中，首先定义了一个task函数，用于执行任务。在这个示例中，任务只是简单地打印一个完成的信息，并模拟了需要的时间。

然后，使用ThreadPoolExecutor创建了一个线程池。在with语句块中，我们可以提交任务到线程池。

通过executor.submit(task, number)语句，我们将task函数作为参数提交给线程池，并传入任务的编号number作为参数。

然后，我们使用concurrent.futures.as_completed方法来获取任务的执行结果。这个方法返回一个迭代器，按照任务完成的顺序返回Future对象。

在一个for循环中，我们可以通过future.result()获取任务的结果。如果任务抛出了异常，可以通过捕获Exception来处理。

运行上述代码，可以得到类似以下的输出：

Task 20 completed
Task 14 completed
Task 1 completed
Task 19 completed
Task 2 completed
Task 10 completed
Task 3 completed
Task 16 completed
Task 12 completed
Task 8 completed
Task 11 completed
Task 7 completed
Task 4 completed
Task 13 completed
Task 15 completed
Task 5 completed
Task 17 completed
Task 18 completed
Task 9 completed
Task 6 completed

注意，线程池的大小默认为CPU核心数，可以通过指定参数max_workers来设置线程池的大小。