需求：在调用阿里云 函数式计算 时，由于 其函数式计算系统 在分配系统资源时，可能存在 多个任务分配给同一个 服务器（每个服务器2核3G内存），导致 多个相同任务在多线程调用函数式计算时 总有几个 因为资源分配不均返回较慢（包括带宽问题）;并且 在多线程 调用函数式计算时，每个线程的函数相同，并且根据业务需求，只要把返回结果list 拼接一下并且满足指定长度即可；
解决方法：使用多线程的 先返回的任务先处理的方法，比如 多线程请求20个函数式计算任务,但是只需要先返回的10个任务即可，剩下的10个任务 忽略；这样能保证 最大程度最大概率的 前10个任务返回总体时间很短，从而 优化接口执行时间；
图示：
技术名: python+ThreadPoolExecutor+as_completed
主要技术点：as_completed
实例代码：
from concurrent.futures import ThreadPoolExecutor, as_completed
import time
def get_ali_fun(times):
time.sleep(times)
return times
executor = ThreadPoolExecutor()
urls = [3, 2, 4]
all_task = [executor.submit(get_ali_fun, url) for url in urls]
result_list = []
for future in as_completed(all_task):
data = future.result()
result_list.append(data)
print("获取数据，耗时 {}s".format(data))
if len(result_list) == 2:
print("先返回的数据已经满足条件 则 剩下的1个线程结果 不再处理。。。")
break
print("继续处理下面程序")
as_completed()方法是一个生成器，在没有任务完成的时候，会阻塞，在有某个任务完成的时候，会yield这个任务，就能执行for循环下面的语句，然后继续阻塞住，循环到所有的任务结束。从结果也可以看出，先完成的任务会先通知主线程。
关于阿里云函数式计算相关 知识备注：
1.在调用其服务时，如果需要分析 耗时，需要 考虑 服务内部函数执行时间 和 来回网络带宽时间；
2.截止2020.3.15 问的其技术人员 其 函数计算 在不调用15分钟后 释放资源（以后可能会缩短），如果对时间敏感，可以通过airflow等 使用定时任务方式调用函数计算，不让其释放资源(冷启动至少10s耗费);不要使用 阿里云内置的 预留资源(太贵了。。。)
3.函数式计算系统 在分配资源时 是根据内存进行分配，每个服务器2核3G内存,如果函数 分配内存1G，则有一定 概率 3个函数都在一个服务器上，这样 如果对于并发时间敏感的任务，则有一定的概率 耗时增加；最极端优化方式：一个函数分配3G内存，则保证一个任务1个服务器；缺点是 太费钱。。。
4.如果对时间敏感，需要 考虑 增加带宽(减少带宽导致时间过长的概率,然而时间操作 仍有很大概率)，或者 配置 云服务器 和 函数式计算同一个VPC(让其在同一个内网中)
5.如果一个借口 调用多个 函数 进行函数式计算，如果没有 函数间的 依赖，可以考虑 进程+协程 等让其同时 运行 从而节约时间
6.函数式计算的 时间优化 计算优化到尽头 如果 还是需要考虑 资金问题，那仍有 很大概率 无法达到100% 预期时间；因为 函数式计算系统的 资源分配 是随机的，可能 相同函数的 多个任务 都在一个服务器上，这样就比 在不同服务器上 耗时增加；所以 随缘吧。。。
as_completed参数 过期时间 设置，注意 如果不添加过期时间，并且函数如果没有返回值，则此线程一直存在，可能造成内存逐渐增加的情况
# -*- coding: utf-8 -*-
"""
(C) Guangcai Ren <[email protected]>
All rights reserved
create time '2020/3/30 18:59'
Module usage:
"""
from concurrent.futures._base import as_completed, TimeoutError
from concurrent.futures.thread import ThreadPoolExecutor
def sleep_fun(_time):
"""
耗时操作
:param _time:
:return:
"""
import time
time.sleep(_time)
return _time
pool = ThreadPoolExecutor()
pool_result = [pool.submit(sleep_fun, func_param) for func_param in [1, 1000]]
try:
# as_completed添加超时时间，如果不添加，则此 线程池一直存在；
for result in as_completed(pool_result, 2):
print(result.result())
print('do other thing!')
except TimeoutError as e:
# 清除相关资源，参数 默认为False,需要 所有线程都返回数据才清空资源;参数为 True,则直接清空资源
pool.shutdown(True)
print('shut down!')
相关链接：
https://www.jianshu.com/p/b9b3d66aa0be