Python多线程优化：高效处理批量字典参数

在Python编程中，处理大量数据时，多线程技术能显著提升效率。本文将演示如何利用Python的多线程机制，并行处理包含多个字典的列表，每个字典作为参数传递给执行函数，并允许自定义线程数量。

问题： 我们有一个包含多个字典的列表my_list，每个字典包含ip、password和user_name键值对。目标函数dosome(ip, password, user_name)需要处理这些参数。我们需要使用多线程并行执行dosome函数，并能控制线程池大小。

解决方案： Python的concurrent.futures模块提供ThreadPoolExecutor类，方便创建和管理线程池。

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

立即学习“Python免费学习笔记（深入）”；

以下代码展示了如何使用ThreadPoolExecutor实现此功能：

# -*- coding: UTF-8 -*-

__author__ = 'lpe234'

import time
from concurrent.futures import ThreadPoolExecutor
import threading

my_list = [
    {'ip': '192.168.1.2', 'password': '123456', 'user_name': '654321'},
    {'ip': '192.168.1.3', 'password': '123456', 'user_name': '654321'},
    {'ip': '192.168.1.4', 'password': '123456', 'user_name': '654321'},
    {'ip': '192.168.1.5', 'password': '123456', 'user_name': '654321'},
    {'ip': '192.168.1.6', 'password': '123456', 'user_name': '654321'}
]


def dosome(ip, password, user_name):
    tname = threading.current_thread().getName()
    time.sleep(1)
    print(f'{tname} {ip}')


with ThreadPoolExecutor(max_workers=3) as tpe:  # 使用with语句管理线程池资源
    for m in my_list:
        tpe.submit(dosome, **m)  # 解包字典作为关键字参数

代码首先定义模拟任务的dosome函数。然后，使用ThreadPoolExecutor创建线程池，max_workers=3限制同时运行的线程数。 with语句确保线程池资源得到正确释放。最后，循环提交任务到线程池，**m将字典解包为关键字参数传递给dosome函数。 ThreadPoolExecutor自动管理线程的创建和销毁，保证所有任务完成。 通过调整max_workers参数，可以根据实际情况优化线程数量，提升性能，尤其在处理大量数据时效果显著。