1. 概念

从Python3.2开始，标准库为我们提供了concurrent.futures模块，它提供了ThreadPoolExecutor和ProcessPoolExecutor两个类，实现了对threading和multiprocessing的进一步抽象（这里主要关注线程池），不仅可以帮我们自动调度线程，还可以做到：

1. 主线程可以获取某一个线程（或者任务的）的状态，以及返回值。
2. 当一个线程完成的时候，主线程能够立即知道。
3. 让多线程和多进程的编码接口一致。

2. 代码示例

"""flask通过线程池实现异步"""
from time import sleep
from concurrent.futures import ThreadPoolExecutor

from flask import Flask

app = Flask(__name__)
# 创建线程执行器
executor = ThreadPoolExecutor()


@app.route("/")
def hello():
    # 调用线程池执行器执行异步任务
    executor.submit(async_task, 11, 22)
    return "hello world!"


def async_task(arg1, arg2):
    print("args: {},{}".format(arg1, arg2))
    for x in range(5):
        sleep(1)
        print(f"task {x} done。")


if __name__ == '__main__':
    app.run(debug=True)

• ThreadPoolExecutor构造实例的时候，传入max_workers参数来设置线程池中最多能同时运行的线程数目。
• 使用submit函数来提交线程需要执行的任务（函数名和参数）到线程池中，并返回该任务的句柄（类似于文件、画图），注意submit()不是阻塞的，而是立即返回。
• 通过submit函数返回的任务句柄，能够使用done()方法判断该任务是否结束。上面的例子可以看出，由于任务有2s的延时，在task1提交后立刻判断，task1还未完成，而在延时4s之后判断，task1就完成了。
• 使用cancel()方法可以取消提交的任务，如果任务已经在线程池中运行了，就取消不了。这个例子中，线程池的大小设置为2，任务已经在运行了，所以取消失败。如果改变线程池的大小为1，那么先提交的是task1，task2还在排队等候，这是时候就可以成功取消。
• 使用result()方法可以获取任务的返回值。查看内部代码，发现这个方法是阻塞的。

参考链接：https://www.jianshu.com/p/b9b3d66aa0be