如何向ThreadPool线程池传递列表与变量类型多参数？

ThreadPool.map默认仅支持向目标函数传递单个可迭代对象拆分出的单元素参数，要同时传入列表、字符串等多类型参数，有两种可直接落地的实现方案：

方案1：用functools.partial固定公共参数（代码最简洁） #

如果你的列表类型参数是所有任务共用的固定值，不需要随每个任务的id变化，直接用Python标准库的partial提前绑定固定参数，剩余的单个动态参数交给map传递即可。

from functools import partial
from multiprocessing.pool import ThreadPool

# 注意：不要用list作为变量名，会覆盖Python内置list类型，这里替换为实际业务变量名
def activate_item(common_param_list, object_id):
    # 编写你的业务逻辑
    pass

parallelism = 8 # 替换为你实际设置的并发数
thread_pool = ThreadPool(parallelism)
your_fixed_list = [] # 替换为你需要传入的列表类型变量

with open('examples/1000_PSOrthoTile_ids.txt') as f:
    item_ids = f.read().splitlines()[:400]

# 提前绑定固定的列表参数，生成的新函数仅需接收object_id单个参数
bind_fixed_param_func = partial(activate_item, your_fixed_list)
thread_pool.map(bind_fixed_param_func, item_ids)

thread_pool.close()
thread_pool.join()

方案2：用starmap搭配参数元组列表（适配动态参数场景） #

你之前查到的「所有传入参数封装为列表」的方案是starmap方法的标准用法，只要把固定参数和每个遍历得到的动态id组合成参数元组，就能直接适配你的场景，不需要复杂改造。这个方案适合列表参数也需要随任务动态变化的场景：

from multiprocessing.pool import ThreadPool

def activate_item(common_param_list, object_id):
    # 编写你的业务逻辑
    pass

parallelism = 8 # 替换为你实际设置的并发数
thread_pool = ThreadPool(parallelism)
your_fixed_list = [] # 替换为你需要传入的列表类型变量

with open('examples/1000_PSOrthoTile_ids.txt') as f:
    item_ids = f.read().splitlines()[:400]

# 为每个任务组装完整的位置参数元组
task_params = [(your_fixed_list, item_id) for item_id in item_ids]
# starmap会自动将每个元组拆分为独立的位置参数传入目标函数
thread_pool.starmap(activate_item, task_params)

thread_pool.close()
thread_pool.join()

补充说明：如果使用的是concurrent.futures.ThreadPoolExecutor，除上述两种方案外，也可以在循环中调用submit方法逐个传入多参数，核心逻辑和上述方案一致。公共只读列表直接传引用即可，不会产生额外的内存拷贝开销。

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