-
普通Queue适用于父子进程间高效IPC，基于管道/共享内存；Manager().Queue()通过代理支持任意进程通信，依赖Manager进程，适合复杂拓扑和多类型共享对象管理。
-
默认用is比较，不是值相等；自定义类需重写eq实现值比较，开头应加isinstance检查，返回布尔值；__ne__无需显式重写；若重写__eq__，不可变对象须同步实现__hash__。
-
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。
-
任务拆分过细会因调度开销导致性能下降：CPU密集型建议单批≥10ms（如100–1000条），IO密集型单批不低于10次请求；map()自动分块而submit()需手动聚合；避免闭包引用大对象引发内存爆炸；不同执行器（线程/进程/asyncio）最优粒度差异显著，须实测确定。
-
__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。
-
Pandas中合并DataFrame主要用pd.merge()和pd.concat()，前者基于键进行类似SQL的连接操作，后者按行或列堆叠数据。merge()适用于有共同键的逻辑关联数据，支持inner、left、right、outer等连接方式；concat()用于结构相似的数据拼接，默认按行堆叠，可设置join='inner'保留公共部分。常见陷阱包括键类型不一致、列名不同、索引重复及NaN处理问题。此外，.join()方法适合基于索引的合并，map()可用于高效添加单列信息。选择合适方法需根据数据
-
from_generator比直接load_image更适合超大图像集，因其按需加载、避免OOM；generator内完成解码，配合prefetch、map（AUTOTUNE）、batch顺序优化，可提升GPU利用率并保障线程安全。
-
判断列表是否有重复元素最简方式是len(lst)!=len(set(lst))，时间复杂度O(n)，但要求元素可哈希；不可哈希时会报错，需转元组等替代方案。
-
Python中copy.deepcopy不是Copy-on-Write，因其立即全量复制，违背CoW延迟复制、共享未修改部分的核心思想；真正的CoW需多版本共享底层数据，仅在写时隔离复制修改部分。
-
Python更易入门，因其语法直白、生态完善、中文资源丰富、就业面广；Ruby语法灵活但隐式规则多，适合追求表达力且熟悉Web开发的人。
