-
Python3.13free-threaded模式下asyncio默认不可用，需显式启用-Xuse_free_threading或改用uvloop；subprocesstimeout易失效，应手动管理进程；numpy等扩展需确认线程安全；部署时须在代码中运行时检测sys.free_threading_enabled。
-
Ubuntu中不建议卸载系统自带的python3（如3.10、3.12），因其被apt、gnome-shell等关键组件依赖；应仅卸载额外安装的版本（如deadsnakesPPA或源码编译的python3.9/3.11），并验证系统Python功能完好。
-
Python模块导入依赖sys.modules字典缓存，首次import加载执行，后续直接返回已缓存模块对象；单纯删除sys.modules键不能真正卸载模块，因对象引用和跨模块绑定仍存在。
-
shutil.copytree复制失败因目标目录存在，应使用dirs_exist_ok=True参数（Python3.8+）跳过报错，但不清理旧文件，仅覆盖同名文件。
-
pd.read_sql直连MySQL需手动安装驱动（如pymysql），URL须用mysql+pymysql://格式，特殊字符需quote_plus编码，大数据量应设chunksize，时间字段需统一时区并处理非法日期。
-
sklearn.tree.plot_tree是最轻量的决策树可视化方案，需传入已训练模型及feature_names等参数；分类树value为各类样本数，回归树value为预测值；export_graphviz需系统级Graphviz支持且注意precision等参数。
-
日志清洗解析的核心是将非结构化日志转为结构化数据，关键在于识别格式规律、分步正则提取、异常清洗及结构化输出分析。
-
因为@lru_cache不支持手动清理、动态调容和访问顺序控制，而OrderedDict通过move_to_end()和popitem(last=False)可精准实现LRU的“最近使用更新”与“最久未使用淘汰”逻辑。
-
clip是NumPy中安全高效的原地范围限制方法，作用是将数组值强制限制在[min,max]区间内：小于min的全置为min，大于max的全置为max，中间值不变；推荐用a.clip(min=0,max=1)明确语义。
-
np.convolve(a,b,mode='same')返回长度与a相同的数组，其值取自完整卷积（mode='full'）的中心段，起始索引为(len(b)-1)//2；它不自动补零，也不翻转b，故非严格数学卷积。
-
Python文件句柄泄漏主因是打开后未关闭，导致“Toomanyopenfiles”错误；常见于遗漏close()、异常中断执行流、多文件操作中清理失败及提前退出；推荐统一使用with语句确保自动关闭。
-
write()不自动换行，需手动加\n；writelines()也不自动加换行，须确保每项含\n；w模式覆盖清空文件，a模式强制追加；务必用with管理文件或手动flush()和close()。
-
GridSearchCV默认n_jobs=1导致串行执行，耗时接近“所有组合×单次训练时间”；应设n_jobs=-1或2，并避免双重交叉验证和参数可读性差的问题。
-
直接调用含input()的函数会卡住测试，因input()默认从sys.stdin读取而测试无终端输入；需用pytest的monkeypatch将sys.stdin替换为带换行符的io.StringIO对象。
-
实现分布式异步任务处理：利用Celery、Redis、Django技术对于Web应用程序来说，处理一些耗时的任务通常是一个挑战。如果直接在请求处理过程中执行这些任务，会导致响应延迟，甚至超时。为了解决这个问题，我们可以使用分布式异步任务处理来将这些耗时任务从请求处理中分离出来。本文将介绍如何使用Celery、Redis和Django技术来实现分布式异步任务处
