正如我在评论中建议的那样，我认为使用a
multiprocessing.pool.ThreadPool是合适的-
因为它可以自动处理许多您在代码中手动执行的线程管理。一旦所有线程都通过
ThreadPool的
apply_async()方法调用排队等待处理，唯一需要做的就是等待它们全部完成执行（当然，除非您的代码可以做其他事情）。
我已经将链接的答案中的代码翻译为另一个相关问题，因此它与您在使当前上下文中的内容易于理解时所执行的操作更加相似。
from multiprocessing.pool import ThreadPoolfrom random import randintimport threadingimport timeMAX_THREADS = 5print_lock = threading.Lock() # Prevent overlapped printing from threads.def query_data(trade): trade_id = trade[0][1][:6] time.sleep(randint(1, 3)) # Simulate variable working time for testing. with print_lock: print(trade_id)def process_trades(trade_list): pool = ThreadPool(processes=MAX_THREADS) results = [] while(trade_list): trade = trade_list.pop() results.append(pool.apply_async(query_data, (trade,))) pool.close() # Done adding tasks. pool.join() # Wait for all tasks to complete.def test(): trade_list = [[['abc', ('%06d' % id) + 'defghi']] for id in range(1, 101)] process_trades(trade_list)if __name__ == "__main__": test()
