allen19901008的专栏

这里的问题就在于 m++，如果我们在 m++的时候加上关键字synchronized也能解决该并发问题。于是我们可以考虑使用原子操作类AtomicInteger来实现。它相当于一个int变量，我们执行Int的 i++ 的时候并不是一个原子操作。而使用AtomicInteger的incrementAndGet却能保证原子操作。现在有2个线程，分别将全局整型变量 i 进行加1。每个线程执行10000次。最后我们执行上面的代码，结果有可能是20000，但是大多数时候不是20000，而是随机的一些数字。

总结起来，也就是一句话，当提交的任务数大于（workQueue.size() + maximumPoolSize ），就会触发线程池的拒绝策略。executor.execute（）提交任务，由于会抛出 RuntimeException，如果没有try.catch处理异常信息的话，会中断调用者的处理流程，后续任务得不到执行（跑不完100个）。运行后，在控制台console中能够看到的是，会有一部分的数据打印，显示的是 “main is running”，也即体现调用线程处理。

模块是 Python3.2 中引入的新模块，用于支持异步执行，以及在多核CPU和网络I/O中进行高效的并发编程。这个模块提供了ThreadPoolExecutor和ProcessPoolExecutor两个类，简化了跨平台异步编程的实现。1、多进程当通过多进程来实现并发编程时，程序会将任务分配给多个进程，这些进程可以在不同的CPU上同时运行。进程之间是独立的，各自有自己的内存空间等，可以实现真正的并行执行。

因为核心线程数为2，队列大小为5，存活时间1分钟，所以流程是第0-1号任务来时，陆续创建2个线程，然后第2-6号任务来时，因为无线程可用，均进入了队列等待，第7-9号任务来时，没有空闲线程，队列也满了，所以陆续又创建了3个线程。所以你会发现7-9号任务反而是先执行的。因为SynchronousQueue队列不保持它们，直接提交给线程，相当于队列大小为0，而最大线程数为Integer.MAX_VALUE，所以线程不足时，会一直创建新线程，等到线程空闲时，又有60秒存活时间，从而实现了一个可缓存的线程池。