Python3 的多线程实现，真的要比 C/C++、Java 什么的方便多了……
虽然在不久的将来，我的代码只有上帝能够看懂（雾）
这里用到的是线程池，任务和线程的分配问题交给线程池去管理，比单纯的 threading 多线程还要方便不少。
在 Python 3.2 之后的官方库中，提供了线程池和进程池模块，可以直接导入：
from concurrent.futures import ThreadPoolExecutor, as_completed import time
顺便还导入了 time 模块（as_completed 后面再说）。
完数的判断逻辑其实很简单，只要一个自然数的真因子（即除了自身以外的约数）的和，恰好等于它本身，这个数就是完全数。因此我们需要将一个自然数拆分，分别判断它是否是真因子。可以利用多线程来加速计算的地方也正是这里。
先来看整除判断函数：
# 整除判断函数，也是需要多线程执行的部分 def factor(a): if n % int(a) == 0: buffer.append(a)
若能整除，则追加该数字到缓冲区列表中。很简单，逻辑也很清晰。
接下来在主线程读取键盘输入、创建必要的列表：
n = int(input("Input N:")) # 从键盘读入需要判断的数字
p = int(input("Input P:")) # 从键盘读入最大线程数量
start = time.time() # 获取程序开始执行的时间
buffer = [] # 创建缓冲区列表，用于存放可以整除的数字
task = [] # 创建任务列表，用于存放各个任务，便于之后判断各个线程的执行情况
上面的操作都完成之后，就可以提交任务到线程池了：
# 设定线程池的最大同时执行线程的数量，然后利用 for 循环将任务提交上去 with ThreadPoolExecutor(max_workers=p) as executor: for i in range(2, n - 1): task.append(executor.submit(factor(i))) as_completed(task) # 等待所有线程执行完成 total = 1 # 存放数字的和，已初始化为 1 （任何自然数都可以被 1 整除）
这里的 as_completed() 函数非常重要，也非常好用。在参数中提供的线程全部执行完毕之前，它会阻塞，直到线程全部执行完成。这里直接用了它来阻塞主线程，等待上面提交到线程池中的子线程全部执行完毕后释放。
全部判断完成之后，留给主线程的工作就只有求和并判断输入的数字是否是完数了：
# 缓冲区所有元素求和
for q in buffer:
total += q
# 判断是否是完数
if int(total) == n:
print("True")
else:
print("False")
end = time.time() # 获取程序结束执行的时间
print("program finished in " + str((end - start)) + " seconds.")
可惜的是，Python 存在 GIL 锁，利用线程池的实现最多占用一个逻辑 CPU 核心，想用多线程实现多核并行计算在现在看来，只能是个梦想。
但是把 ThreadPoolExecutor 改成 ProcessPoolExecutor 就可以真正利用多核咯，因为这是进程池，当然代码也要再改改，只改这一处是不行的。
