-
Python内存由解释器自动管理，核心机制包括引用计数（即时释放）、垃圾回收（处理循环引用）和对象池（缓存小整数-5~256及短字符串），不可变对象可复用，可变对象每次新建，应避免频繁创建大对象并优先使用原地操作。
-
处理大文件应避免全量加载，采用流式读取、分块处理、内存映射（mmap）和生成器等策略。例如逐行迭代、pandaschunksize、np.memmap及yield替代列表累积，配合资源管理与内存监控，可稳定处理百GB级文件。
-
psutil.virtual_memory().available是最接近“真实可用内存”的字段，但它仅表示内核估算的无需换页即可满足的内存，未考虑碎片、cgroup限制或locked页面，需结合percent看趋势，容器中应读取cgroup内存路径。
-
Python网络重试机制核心是精准判断可重试场景与合理退避：仅对临时性失败（如502/503/504/429）重试，禁用对4xx客户端错误等重试；推荐requests+urllib3原生重试策略，或自定义带抖动指数退避函数，并需配合超时、限流、日志及幂等设计。
-
首先确认Python3和pip已安装，若未安装则通过yum或dnf安装；接着安装python3-venv模块，使用“python3-mvenvmyenv”创建虚拟环境；然后执行“sourcemyenv/bin/activate”激活环境，此时可独立安装依赖；最后用deactivate命令退出环境，建议每个项目单独创建环境并用requirements.txt管理依赖。
-
生产环境500错误看不到堆栈是因为DEBUG=False时Django主动丢弃异常详情以保障安全，需通过LOGGING配置文件日志、启用DEBUG_PROPAGATE_EXCEPTIONS临时捕获堆栈，或配置ADMINS邮件通知，而非关闭DEBUG。
-
根本原因是Python安装路径未添加到PATH环境变量，导致CMD无法定位python.exe；需在用户级PATH中添加精确安装目录（如C:\Users\Alice\AppData\Local\Programs\Python\Python312），重启CMD后用wherepython和python--version验证。
-
ModelFormis_valid()返回False但errors为空，通常因表单未绑定数据；需检查是否传入request.POST、enctype、non_field_errors、字段是否在fields中、模型与数据库约束是否一致。
-
直接启动gRPC服务做单元测试不现实，因其依赖数据库、配置中心等，启动成本高、状态难隔离，导致测试慢且不稳定；grpc-testing通过替换Channel底层传输层实现无服务端模拟调用。
-
Python3.9+推荐用zoneinfo替代pytz，通过ZoneInfo显式绑定时区、避免naivedatetime，解析字符串后手动设时区，存储统一用UTC，展示层再转换。
-
面试链表反转需先定义问题本质并明确O(1)空间约束，再用STAR-L法结构化表达：背景、任务、三指针思路、复杂度及关联扩展，同时预判陷阱、精准运用Python特性。
-
首先检查文件路径是否正确，确认文件名、扩展名和大小写无误，优先使用绝对路径测试；其次明确当前工作目录与脚本所在目录的区别，避免相对路径错误；然后通过os.path.exists()或pathlib.Path.exists()检查文件是否存在，并结合try-except处理异常；最后推荐使用pathlib模块提升路径操作的可读性和跨平台兼容性。
-
__slots__能显著降低单个实例内存占用30%–50%，但仅在大量创建（数万以上）且属性名固定时值得使用；盲目添加会破坏动态属性、继承或pickle兼容性。
-
本文详解Django中使用django-taggit实现标签筛选时页面空白的问题，重点解决URL路由配置错误、视图逻辑缺陷及模板渲染异常三大核心原因，并提供可直接运行的修复代码与最佳实践。
-
Dask能缓解千万级CSV内存压力但非开箱即用；dd.read_csv()支持惰性分块加载，需全程延迟执行并谨慎compute()，否则更慢更耗内存。
