python的def命令如何进行函数并发执行

在Python中，可以使用concurrent.futures模块中的ThreadPoolExecutor或ProcessPoolExecutor类来实现函数的并发执行。这里分别给出两个例子，一个使用线程池，另一个使用进程池。

使用线程池（ThreadPoolExecutor）：

import concurrent.futures
import time

def my_function(x):
    print(f"Starting function {x}")
    time.sleep(2)  # 模拟耗时操作
    print(f"Finished function {x}")
    return x * x

def main():
    with concurrent.futures.ThreadPoolExecutor() as executor:
        futures = [executor.submit(my_function, i) for i in range(5)]
        
        for future in concurrent.futures.as_completed(futures):
            result = future.result()
            print(f"Result: {result}")

if __name__ == "__main__":
    main()

使用进程池（ProcessPoolExecutor）：

import concurrent.futures
import time

def my_function(x):
    print(f"Starting function {x}")
    time.sleep(2)  # 模拟耗时操作
    print(f"Finished function {x}")
    return x * x

def main():
    with concurrent.futures.ProcessPoolExecutor() as executor:
        futures = [executor.submit(my_function, i) for i in range(5)]
        
        for future in concurrent.futures.as_completed(futures):
            result = future.result()
            print(f"Result: {result}")

if __name__ == "__main__":
    main()

在这两个例子中，我们定义了一个名为my_function的函数，它接受一个参数x，模拟耗时操作（这里使用time.sleep(2)），然后返回x的平方。

在main函数中，我们创建了一个ThreadPoolExecutor或ProcessPoolExecutor实例，然后使用submit方法将my_function提交给线程池或进程池。submit方法返回一个Future对象，表示异步计算的结果。我们可以使用as_completed函数来迭代已完成的Future对象，并获取它们的结果。

注意：ThreadPoolExecutor适用于I/O密集型任务，而ProcessPoolExecutor适用于CPU密集型任务。在这个例子中，我们使用了I/O密集型任务（模拟耗时操作），但如果你需要处理计算密集型任务，请使用ProcessPoolExecutor。