python有好几种实现线程池的方式，

注意选择一下，哪种是自己需要的。

最近用上ThreadPoolExecutor，

用来代替celery的方式。

主要是用在celery上的时间太少，

没有吃透，

还有，我们的应用没有复杂到那地步，

多开几个服务器，也可以实现线程池的扩展。

ThreadPoolExecutor主要有submit和map方式。

map就够用我们的场景了。

使用ThreadPoolExecutor时，需要注意的是map函数的参数是如何构造的。

（就是将cmd_run后面的参数，构造为有相同于进程池数量的参数列表！！！）

【就是参数个人为cmd_run要求的个数，但列表内的长度为进程池数量，利用率刚好】

 data为每个函数的返回值。

注意，进程的退出，不到山穷水尽，不要用os.exit()这样的函数，

python可能无法正常完成数据操作及资源回收。

最好是利用函数的返回值自然退出线程，高端些~

from concurrent.futures import ThreadPoolExecutorexecutor = ThreadPoolExecutor(max_workers=xxx)for data in executor.map(cmd_run, subserver, [deploy_type] * sub_len, [cmd] * sub_len,                         [current_user_set] * sub_len, [percent_value] * sub_len,                         [app_name] * sub_len, [deployversion_id] * sub_len, [auto_deploy_id] * sub_len):    mylog.debug("cmd %s result is: " % cmd + str(data))    if not data:        return False