经验拾忆（纯手工）=> Python三

多线程有2种通过start的那种方式，非常普遍，此处就不写了。
新版线程池 future库 是python3.2新出的功能（记住这个future）
方式1：（sublime运行后直接贴上来了）
    from time import sleep
    from concurrent.futures import ThreadPoolExecutor,as_completed,ALL_COMPLETED,wait
    
    executor = ThreadPoolExecutor(max_workers=10)        # 初始化线程池10个坑
    def f():
        sleep(15)
        return 100
    all_tasks = [executor.submit(f) for _ in range(10)]  # 提交10个线程，全放池里执行
    # for per_thread in as_completed(all_tasks):         
        # print(per_thread.result())
    ---------# 注意上面，as_completed(all_tasks) 是等待future对象完成后才执行主线程
    ---------# 注意下面，wait和 as_completed() 的 作用一样，就和普通版的join() 相似
    for per_thread in all_tasks:
        print(per_thread.result())
    wait(all_tasks, return_when=ALL_COMPLETED)   # 还可以选FIRST_COMPLETED，待第一个完成后
    print('主线程')
        
方式2： map多线程版
    value_list = executor.map(func, list(range(10))) # 返回的直接是map后的序列
    for value in value_list:
        print(value)
    注意：    
        这个map方式，如果要传多个参数就涉及到高阶函数那节讲的偏函数了。

多进程有2种通过start的那种方式+普通进程池，同样非常普遍，此处就不写了，自己百度一下。
新版进程池 同样是和上面用一样的future库，惊不惊喜。（可以看出好的程序要向着统一封装的方向优化）
也许你会惊讶，因为只把thread单词改为processing就是进程池版本了，就是这么简单！！！！！
from time import sleep
import multiprocessing
from concurrent.futures import ProcessPoolExecutor,as_completed,ALL_COMPLETED,wait
executor = ProcessPoolExecutor(max_workers=multiprocessing.cpu_count())
def f():
    sleep(15)
    return 100

if __name__ == '__main__':    # 这句要加
    all_tasks = [executor.submit(f) for _ in range(multiprocessing.cpu_count())]
    for per_thread in as_completed(all_tasks):
        print(per_thread.result())
    # for per_thread in all_tasks:
    #     print(per_thread.result())
    # wait(all_tasks, return_when=ALL_COMPLETED)
    print('主进程')   
# 这就是 futures 模块 设计思想的魅力