我们想去创建一个工作者线程池来处理客户端的连接，让每个线程去处理各自的客户，或者完成其他类型的工作。
方法：
在concurrent.futures库中包含了ThreadPoolExecutor类可以实现这个目的。下面的例子是一个简单TCP服务器，使用线程池来处理客户端：
同样，可以抛开concurrent.futures中的ThreadPoolExecutor，直接手动创建线程池，如果借助Queue则会变得容易：
当然又有一句很蹩脚的话，不建议各位这样使用！！应该去使用concurrent.futures中的ThreadPoolExecutor，这么做的优势在于提交任务者可以很好地拿到处理后的结果：
讨论一个大家都很容易想到的问题，有些人认为，应该在服务器接收到一个客户端连接时就去开辟一个线程来处理这个客户端的事务，本质上来讲这样确实没有问题，但是，万一一个黑客用大量的客户端去访问服务时，有可能会因为开辟太多线程导致服务器挂掉，这是初学者都会想到的思路，但是，一旦涉及多并发程序，切记一定要限制线程个数，为了系统稳定和安全。下面为各位展示初学者的代码:
这里也要注意，线程只适合做IO密集型的任务。综上关于线程池的内容就介绍到这里
最近在做一个爬虫相关的项目，单线程的整站爬虫，耗时真的不是一般的巨大，运行一次也是心累，，，所以，要想实现整站爬虫，多线程是不可避免的，那么python多线程又应该怎样实现呢？这里主要要几个问题（关于python多线程的GIL问题就不再说了，网上太多了）。
一、 既然多线程可以缩短程序运行时间，那么，是不是线程数量越多越好呢？
显然，并不是，每一个线程的从生成到消亡也是需要时间和资源的，太多的线程会占用过多的系统资源（内存开销，cpu开销），而且生成太多的线程时间也是可观的，很可能会得不偿失，这里给出一个最佳线程数量的计算方式：
最佳线程数的获取：
1、通过用户慢慢递增来进行性能压测，观察QPS（即每秒的响应请求数，也即是最大吞吐能力。），响应时间
2、根据公式计算:服务器端最佳线程数量=((线程等待时间+线程cpu时间)/线程cpu时间) * cpu数量
3、单用户压测，查看CPU的消耗，然后直接乘以百分比，再进行压测，一般这个值的附近应该就是最佳线程数量。
二、为什么要使用线程池？
对于任务数量不断增加的程序，每有一个任务就生成一个线程，最终会导致线程数量的失控，例如，整站爬虫，假设初始只有一个链接a，那么，这个时候只启动一个线程，运行之后，得到这个链接对应页面上的b，c，d，，，等等新的链接，作为新任务，这个时候，就要为这些新的链接生成新的线程，线程数量暴涨。在之后的运行中，线程数量还会不停的增加，完全无法控制。所以，对于任务数量不端增加的程序，固定线程数量的线程池是必要的。
三、如何使用线程池
过去使用threadpool模块，现在一般使用concurrent.futures模块，这个模块是python3中自带的模块，但是，python2.7以上版本也可以安装使用，具体使用方式如下：
注意到：
concurrent.futures.ThreadPoolExecutor，在提交任务的时候，有两种方式，一种是submit（）函数，另一种是map（）函数，两者的主要区别在于：
