问题在于，没有一个主要平台（截至2013年中）允许您在此数量的线程附近创建任何位置。您可能会遇到各种各样的限制，并且在不了解平台，平台配置以及确切错误的情况下，无法知道遇到了哪个限制。但是这里有两个例子：
因此，我如何控制要创建的线程数或以其他方式使它工作（如超时等）？
使用尽可能多的线程实际上并不是您想要的。在8核计算机上运行800个线程意味着您需要花费大量时间在线程之间进行上下文切换，并且缓存在被启动之前一直保持刷新状态，依此类推。
最有可能的，您真正想要的是以下之一：
但这当然是 可能的 。
一旦您达到了所要达到的极限，那么很可能再次尝试将失败，直到线程完成其工作并被加入为止，而且很可能再次尝试将在此之后成功。因此，鉴于您显然要获取异常，因此可以使用Python中的其他方式来处理此异常：使用try/except块。例如，如下所示：
threads = []
for n in range(0, 60000):
while True:
t = threading.Thread(target=function,args=(x, n))
try:
t.start()
threads.append(t)
except WhateverTheExceptionIs as e:
if threads:
threads[0].join()
del threads[0]
else:
raise
else:
break
for t in threads:
t.join()
当然，这假设启动的第一个任务很可能是完成的第一个任务之一。如果不是这样，则需要某种方式来显式表示完成状态（条件，信号量，队列等），或者需要使用一些较低级别的（特定于平台的）库来提供等待整个列表，直到至少一个线程完成。
另外，请注意，在某些平台（例如Windows XP）上，您 接近 极限时会出现奇怪的行为。
除了做得更好之外，做正确的事情也可能会容易得多。例如，这是每个cpu的进程池：
with concurrent.futures.ProcessPoolExecutor() as executor:
fs = [executor.submit(function, x, n) for n in range(60000)]
concurrent.futures.wait(fs)
…和固定线程数池：
with concurrent.futures.ThreadPoolExecutor(12) as executor:
fs = [executor.submit(function, x, n) for n in range(60000)]
concurrent.futures.wait(fs)
…和带有numpy矢量化的平衡cpu并行处理批处理池：
with concurrent.futures.ThreadPoolExecutor() as executor:
batchsize = 60000 // os.cpu_count()
fs = [executor.submit(np.vector_function, x,
np.arange(n, min(n+batchsize, 60000)))
for n in range(0, 60000, batchsize)]
concurrent.futures.wait(fs)
在上面的示例中，我使用列表推导来提交所有工作并收集他们的未来，因为在循环中我们没有做任何其他事情。但是从您的评论看来，您似乎还需要在循环中执行其他操作。因此，让我们将其转换回显式for语句：
with concurrent.futures.ProcessPoolExecutor() as executor:
fs = []
for n in range(60000):
fs.append(executor.submit(function, x, n))
concurrent.futures.wait(fs)
现在，无论您想在该循环中添加什么，都可以。
但是，我不认为您实际上要在该循环内添加任何内容。循环只是尽可能快地提交所有作业。它是wait等待它们全部完成的功能，您可能想早点退出。
为此，您可以将wait其与FIRST_COMPLETED标志一起使用，但使用起来要简单得多as_completed。
另外，我假设error任务会设置某种值。在这种情况下，您将需要加上一个Lock线程，就像线程之间共享的任何其他可变值一样。（这是一个地方，aProcessPoolExecutor和a之间的差异仅比单行多一点ThreadPoolExecutor-如果您使用流程，则需要multiprocessing.Lock而不是threading.Lock。）
所以：
error_lock = threading.Lock
error = []
def function(x, n):
# blah blah
try:
# blah blah
except Exception as e:
with error_lock:
error.append(e)
# blah blah
with concurrent.futures.ProcessPoolExecutor() as executor:
fs = [executor.submit(function, x, n) for n in range(60000)]
for f in concurrent.futures.as_completed(fs):
do_something_with(f.result())
with error_lock:
if len(error) > 1: exit()
但是，您可能需要考虑其他设计。通常，如果您可以避免线程之间的共享，那么您的生活会变得更加轻松。期货旨在通过让您返回值或引发异常来简化这一过程，就像常规函数调用一样。这f.result()将为您提供返回的值或引发引发的异常。因此，您可以将该代码重写为：
def function(x, n):
# blah blah
# don't bother to catch exceptions here, let them propagate out
with concurrent.futures.ProcessPoolExecutor() as executor:
fs = [executor.submit(function, x, n) for n in range(60000)]
error = []
for f in concurrent.futures.as_completed(fs):
try:
result = f.result()
except Exception as e:
error.append(e)
if len(error) > 1: exit()
else:
do_something_with(result)
请注意，这与文档中的ThreadPoolExecutor示例看起来有多相似。只要任务不需要彼此交互，这种简单的模式就足以处理几乎所有没有锁的东西。
602392714
清零编程群