一、基本介绍

ThreadPoolExecutor：处于concurrent.futures模块，常用于IO密集型任务，使用多线程处理，提高性能

task：本文中用于指代各个线程中处理的任务，重点介绍如何检查当前任务的状态

二、举例及说明

使用ThreadPoolExecutor，可以轻松的对多线程任务继续提交、管理并判断其状态，举例如下：

from concurrent.futures import ThreadPoolExecutor, wait, as_completed
import time

def test_func(name):
    print(f"Task {name} is starting.")
    time.sleep(2)
    print(f"Task {name} is finished.")
    return f"Result of task {name}"

#创建线程池
with ThreadPoolExecutor(max_workers=5) as executor:

    #提交任务
    tasks = [executor.submit(test_func, i) for i in range(5)]

    #检查任务完成情况
    all_done = all(task.done() for task in tasks)

    #取消任务
    for task in tasks:
        cancel = task.cancel()
        if cancel:
            print(f"Task {task} is canceled.")
        else:
            print(f"Task {task} cancel failed.")

    #等待所有任务完成
    done, not_done = wait(tasks)
    for task in done:
        print(task.result())

    #获取结果
    for future in as_completed(tasks):
        print(future.result())

方法说明：

done()方法：检查任务是否已完成，返回布尔值。

result()方法：获取任务的返回值。如果任务未完成或抛出异常，则会引发相应的异常。

wait()方法：用于阻塞当前线程，直到所有给定的 Future 对象完成。该方法返回一个包含完成和未完成的 Future 对象的集合。

as_completed()方法：用于处理异步任务的结果，以任务完成的顺序获取，使用此方法可以立即处理已经完成的任务，而不必等待所有任务都完成。

cancel()方法：用于取消一个尚未开始执行的异步任务。

参数说明：

max_workers：定义线程池中最大的工作线程数量。它决定了同时执行的最大线程数，上述代码仅指定了此项，设置为最多5个线程并发执行

thread_name_prefix：定义新创建线程的名称前缀，使用此参数可方便调试和跟踪

initializer：在每个线程启动时调用的可选可调用对象（例如函数）。通常用于设置线程级的状态或资源。

initargs：传递的参数。

例如：
executor = ThreadPoolExecutor(max_workers=5, thread_name_prefix='worker', initializer=init_worker, initargs=(42,))
一般来说，max_workers和thread_name_prefix使用较多，initializer和initargs使用较少，默认值为None

综上，使用python提供的上述方法，可以便捷的管理多线程任务，使任务执行更加的可控可靠。