嘿，这个问题其实很容易解决！你只需要调整ThreadPoolExecutor的核心参数，再做个小优化就能完美匹配服务器的并发限制了。

核心修改点 #

1. 设置正确的max_workers值：这个参数直接控制同时运行的线程数，也就是同一时刻发起的请求数。你服务器最多能处理4个请求，所以把它设为4就可以了。
2. 用requests.Session优化请求：复用TCP连接能减少握手开销，提升整体请求效率，同时每个线程用独立的Session也能避免线程安全问题。

修改后的完整代码 #

import requests
import concurrent.futures

# 文件列表
files = [
    r'https://data.pacificclimate.org/data/downscaled_gcms/tasmin_day_BCCAQv2+ANUSPLIN300_CanESM2_historical+rcp45_r1i1p1_19500101-21001231.nc.nc?tasmin[0:55114][152:152][290:290]',
    r'https://data.pacificclimate.org/data/downscaled_gcms/tasmin_day_BCCAQv2+ANUSPLIN300_CNRM-CM5_historical+rcp45_r1i1p1_19500101-21001231.nc.nc?tasmin[0:55114][152:152][290:290]',
    r'https://data.pacificclimate.org/data/downscaled_gcms/tasmin_day_BCCAQv2+ANUSPLIN300_CSIRO-Mk3-6-0_historical+rcp45_r1i1p1_19500101-21001231.nc.nc?tasmin[0:55114][152:152][290:290]',
    r'https://data.pacificclimate.org/data/downscaled_gcms/tasmin_day_BCCAQv2+ANUSPLIN300_CCSM4_historical+rcp45_r2i1p1_19500101-21001231.nc.nc?tasmin[0:55114][152:152][290:290]',
    r'https://data.pacificclimate.org/data/downscaled_gcms/tasmin_day_BCCAQv2+ANUSPLIN300_MIROC5_historical+rcp45_r3i1p1_19500101-21001231.nc.nc?tasmin[0:55114][152:152][290:290]',
    r'https://data.pacificclimate.org/data/downscaled_gcms/tasmin_day_BCCAQv2+ANUSPLIN300_MPI-ESM-LR_historical+rcp45_r3i1p1_19500101-21001231.nc.nc?tasmin[0:55114][152:152][290:290]',
    r'https://data.pacificclimate.org/data/downscaled_gcms/tasmin_day_BCCAQv2+ANUSPLIN300_MRI-CGCM3_historical+rcp45_r1i1p1_19500101-21001231.nc.nc?tasmin[0:55114][152:152][290:290]',
    r'https://data.pacificclimate.org/data/downscaled_gcms/tasmin_day_BCCAQv2+ANUSPLIN300_GFDL-ESM2G_historical+rcp45_r1i1p1_19500101-21001231.nc.nc?tasmin[0:55114][152:152][290:290]',
    r'https://data.pacificclimate.org/data/downscaled_gcms/tasmin_day_BCCAQv2+ANUSPLIN300_HadGEM2-ES_historical+rcp45_r1i1p1_19500101-21001231.nc.nc?tasmin[0:55114][152:152][290:290]'
]

# 与文件对应的气候模型名称列表
climate_model = ['CanESM2', 'CNRM-CM5','CSIRO-Mk3-6-0','CCSM4','MIROC5','MPI-ESM-LR','MRI-CGCM3','GFDL-ESM2G','HadGEM2-ES']

def min_function(url, model_name):
    # 使用Session复用TCP连接，提升请求效率且保证线程安全
    with requests.Session() as session:
        r = session.get(url)
        # 主动检查请求是否成功，避免写入无效内容
        r.raise_for_status()
        filename = f'tasmin85_{model_name}.nc'
        with open(filename, 'wb') as f:
            f.write(r.content)

# 设置max_workers=4，严格限制同时发起的请求数
with concurrent.futures.ThreadPoolExecutor(max_workers=4) as executor:
    executor.map(min_function, files, climate_model)

额外说明 #

• max_workers的取值：这里设为4刚好匹配服务器的并发上限，如果你后续服务器能力调整，直接改这个数字就行。
• r.raise_for_status()：这一步是可选但推荐的，当请求返回错误状态码时会抛出异常，方便你及时发现请求失败的情况，避免默默写入损坏的文件。
• 线程安全：因为requests.Session不是线程安全的，所以在每个函数调用里创建独立的Session实例，能避免多线程操作同一个Session导致的问题。

内容的提问来源于stack exchange，提问作者GrayLiterature