据我所知，TimeoutError实际上是在您预期的时候引发的，而不是在任务完成之后。
然而，你的程序本身会一直运行，直到所有正在运行的任务都完成为止。这是因为当前正在执行的任务（在你的情况下，可能是你提交的所有任务，因为你的池大小等于任务的数量）实际上并没有被“杀死”。
TimeoutError被引发，这样你就可以选择不等待任务完成（而是做其他事情），但是任务会一直运行直到完成，并且只要Executor的线程/子进程中有未完成的任务，python就不会退出。
据我所知，不可能只“停止”当前正在执行的Futures，您只能“取消”尚未启动的计划任务。在您的情况下，不会有任何任务，但假设您有5个线程/进程的池，并且您想要处理100个项目。在某个点上，可能有20个已完成的任务，5个正在运行的任务，在这种情况下，您可以取消这76个计划任务，但正在运行的4个任务将继续运行，直到完成，无论您是否等待结果。
虽然不能这样做，但我想应该有办法达到你想要的最终结果。也许这个版本可以在路上帮助你（不确定它是否确实做到了你想要的，但它可能会有一些用处）：

import concurrent.futures
import time
import datetime

max_numbers = [10000000, 10000000, 10000000, 10000000, 10000000]

class Task:
    def __init__(self, max_number):
        self.max_number = max_number
        self.interrupt_requested = False

    def __call__(self):
        print("Started:", datetime.datetime.now(), self.max_number)
        last_number = 0;
        for i in xrange(1, self.max_number + 1):
            if self.interrupt_requested:
                print("Interrupted at", i)
                break
            last_number = i * i
        print("Reached the end")
        return last_number

    def interrupt(self):
        self.interrupt_requested = True

def main():
    with concurrent.futures.ThreadPoolExecutor(max_workers=len(max_numbers)) as executor:
        tasks = [Task(num) for num in max_numbers]
        for task, future in [(i, executor.submit(i)) for i in tasks]:
            try:
                print(future.result(timeout=1))
            except concurrent.futures.TimeoutError:
                print("this took too long...")
                task.interrupt()

if __name__ == '__main__':
    main()

通过为每个“任务”创建一个可调用的对象，并将这些对象而不仅仅是一个普通的函数提供给执行器，您可以提供一种“中断”任务的方法。提示：删除task.interrupt()行，看看会发生什么，这可能会使它更容易理解我上面的长解释;- ）

最近我也遇到了这个问题，最后我使用ProcessPoolExecutor提出了以下解决方案：

def main():
    with concurrent.futures.ProcessPoolExecutor(max_workers=len(max_numbers)) as executor:
        try:
            for future in concurrent.futures.as_completed(executor.map(run_loop, max_numbers, timeout=1), timeout=1):
                print(future.result(timeout=1))
        except concurrent.futures._base.TimeoutError:
            print("This took to long...")
            stop_process_pool(executor)

def stop_process_pool(executor):
    for pid, process in executor._processes.items():
        process.terminate()
    executor.shutdown()

我的建议是使用ThreadPool而不是concurrent.futures。
在解释器退出之前，所有排队到ThreadPoolExecutor的线程都将被加入。请注意，执行此操作的退出处理程序在使用atexit添加的任何退出处理程序之前执行。这意味着必须捕获并处理主线程中的异常，以便向线程发出信号，使其正常退出。
在更复杂的情况下，整个程序都会卡住。下面的代码片段足以说明我的意思，尽管有点偏离了问题：

import concurrent.futures, time, datetime
from multiprocessing.pool import ThreadPool

max_numbers = [10000000, 10000000, 10000000, 10000000, 10000000]

def run_loop(max_number):
    print("Started:", datetime.datetime.now(), max_number)
    last_number = 0
    i = 0
    while True:
        last_number = i * i
        i += 1
    return last_number

def origin():
    try:
        with concurrent.futures.ProcessPoolExecutor(max_workers=len(max_numbers)) as executor:
            try:
                for future in concurrent.futures.as_completed(executor.map(run_loop, max_numbers, timeout=1), timeout=1):
                    print(future.result(timeout=1))
            except concurrent.futures._base.TimeoutError:
                print("This took to long...") # It suspends infinitely.
    except:
        print('Ending from origin.')

def update():
    try:
        with ThreadPool(len(max_numbers)) as pool:
            result = pool.map_async(run_loop, max_numbers)
            for num in result.get(2):
                print(num)
    except:
        print('Ending from update.')

if __name__ == '__main__':
    origin()
    # update()